盲信号处理已成为信号处理领域的研究热点。盲信号分离则是盲信号处理的一个重要研究方向，在语音识别、生物信号处理、数据通信、图像增强等领域有着广泛的应用。在线性混合的情况下信号源的混合模型有两种，一种是瞬时混合模型，另外一种是卷积混合模型。目前，对基于瞬时混合模型的盲信号分离研究比较充分，已取得了比较好的分离效果。对于语音盲信号分离问题，由于语音信号传播过程中的时延及空间滤波效应，信号的混合是基于卷积混合模型的，这给解决真实环境下的语音盲信号分离问题带来挑战。本文主要研究真实环境下的自适应语音盲信号分离及声源定位问题。 首先提出了一种新的基于波束形成预处理的盲信号分离结构。该结构将延时对消波束形成与一种简单的去相关盲分离算法相结合。在波束形成阶段，利用互功率谱相位法对声源进行定位，在此基础上再进行盲信号分离，并将一种基于二阶统计量的去相关算法从时域推广到频域进一步降低计算复杂度。实验表明该分离结构易于实时实现，且分离性能有比较好的改善。 研究了两种基于高阶统计量的盲信号分离算法，通过高阶累积量的性质介绍了两种算法的基本思想。在模拟真实条件的情况下，探讨了两种算法的分离性能和计算复杂度。相比基于二阶统计量的盲信号分离算法，指出了基于高阶统计量的算法的优缺点，并分析了原因。 利用TI公司提供的TMS320C6701EVM board，构建了一个基本的盲信号分离系统，重点介绍了该系统的软件设计。在该DSP系统上实现了一种基于二阶统计量的去相关盲信号分离算法，且分离结果可通过LabVIEW实时显示在主机界面上。在Visual C++开发环境下编写了供LabVIEW调用的动态链接库。通