仅根据观测信号将源信号分离出来的过程被称为盲源分离。盲源分离技术凭借其独特的性质,在信号处理和神经网络等多个学科领域得到广泛应用。本文在多系统自适应组合的基础上,针对动量项自然梯度盲源分离算法重点展开研究,对现有算法进行多项改进和完善。全文主要研究工作包含以下内容:首先,以盲源分离的研究背景和意义为切入点,给出盲源分离的研究历史及现状,并详细概述了盲源分离涉及到的数学及信息论方面的知识,同时对如何优化盲源分离算法以及判断分离性能的标准进行简单介绍,为接下来算法的理论证明和仿真实验提供基础知识。其次,针对信号的不同处理方式,介绍了几种常用盲源分离算法的实现原理,重点对自适应盲源分离算法进行分析,主要包括自然梯度算法、EASI算法等,讨论了算法的分离性能。然后,以自然梯度盲源分离算法为基础,重点研究算法收敛速度和稳态误差的优化问题,主要研究内容和提出算法如下:1、将动量因子融入代价函数中,利用自然梯度推导出动量项自然梯度盲源分离算法的迭代结果,弥补了现有动量项盲源分离算法理论依据不足的问题;2、在双系统自适应组合盲源分离算法的基础上,考虑传统组合因子取值范围的限制对算法性能的约束,结合自适应动量因子技术提出了一种新的双系统变动量因子盲源分离算法,并通过仿真实验验证算法的有效性;3、在利用动量项提升算法收敛速度的基础上,通过结合不同的步长参数提出一种四系统自适应组合盲源分离算法,并利用矩阵传递对提出算法进行改进,进一步对算法收敛速度和稳态误差的矛盾问题进行缓和。同时,采用仿真实验证实了提出方案能够有效改善自适应分离算法的整体性能。最后,对全文进行归纳总结,并对盲源分离技术中仍然面临的问题和未来的发展方向进行了展望。