盲源分离(Blind Source Separation, BSS)是指在不知道源信号和传输通道的参数的情况下,仅由观测信号恢复源信号的技术。根据信号混合形式的不同,盲源分离分为瞬时混合和卷积混合两种基本形式,瞬时信号盲分离是用于理想情况,而卷积混合模型更接近实际环境。卷积模型通常的处理方法是利用傅立叶变换将时域的卷积混合方式转化为频域的瞬时混合方式,再对其进行独立分量分析。由于盲分离过程中没有关于原始信号和传输信道的先验知识,因此,频域盲分离存在幅度和排序的模糊性。本文主要对语音信号频域盲分离进行了研究,主要工作如下:首先阐述了盲源分离的研究背景及意义、盲源分离的研究现状和一些重要的应用领域。分析了卷积混合的模型,盲反卷问题和卷积混合二阶统计(SOS)。然后对复域瞬时分离算法进行研究,介绍了时域修正法,极坐标的复域ICA算法。着重阐述了联合近似对角化法(JADE)原理及算法步骤,给出测点端动力学模型,提出复域模糊性的解决方法,即幅值和顺序模糊性。最后通过实验仿真的手段分别对人工混合语音信号盲分离和实际环境语音信号盲分离问题进行了研究和探讨。通过实验仿真,得出了一些重要的结论和启示,对未来深入的研究提出指导意见。