该文对有关独立性度量及盲信息提取的若干问题进行了深入研究.在独立性度量研究方面,将随机变量的实现用分布函数变换后在均匀格栅中期望占据的格子数当这些随机变量相互独立时最多,作者发现了这一有趣的现象,据此提出了一种用数格子的方式根据样本估计独立性的泛函,将其命名为占格率.又对占格率的理论根据进行了详细研究,提出了一系列重要的结论,证明了用占格率评估独立性的正确性和通用性.占格率具有生动的物理图景以及计算简便、应用方便的特点,非常适合从实际数据估计独立性.占格率的提出,很好地解决了如何简便地根据样本估计独立性的问题.还对占格率的期望作了推广,提出了一类无穷多种估计独立性的泛函,将它们命名为准熵.准熵用严格凸函数对均匀离散随机变量联合概率的均匀性进行度量.将新独立性度量用于盲分离,提出了基于占格率的面积最大化通用盲分离算法,与前人方法相比,该算法真正实现了任意分布源信号混合的盲分离,具有非常好的通用性,分离信号的信噪比非常高,不用对信号进行非线性运算,非常便于用数字硬件实现.还提出了基于准熵的无穷多种盲分离算法,这些算法也具有很好的通用性,并且也比大多数前人算法更便于数字化实现.成功地将占格率等新度量用于盲分离算法性能评价,该方法适用于评价一切以增强独立性为目标的盲分离算法,包括非线性盲分离算法的性能;并且与通常的方法相比,该方法适合于真正"盲"的情况,实用性更强.研究了非线性盲源分离,提出了两种运算较为简便的后非线性盲分离算法,对各种后非线性盲分离算法的性能进行了比较与分析.