信号处理技术中的一个重要技术手段就是盲源分离，而独立分量分析(ICA)是近年发展起来的一种新的盲源分离技术。ICA在不需要任何先验信息的条件下，直接从观测信号中提取出源信号，这在图像信号处理、语音信号处理、生物医学信号处理中有着重大的实用价值。 独立分量分析的基本的原则是：待分离信号的概率密度函数服从非高斯发布；为了在混合信号中提取出源信号，要对其非高斯性做定量分析；利用梯度算法将混合信号向非高斯的方向投影，最终获得独立分量。本文依据该原则，使用了两种方法对信号的非高斯性进行度量：高阶累积量，信息熵。从单个独立分量提取的算法出发，结合去相关方法，推导出多个独立分量分析算法和实现步骤。然后对相关的算法进行鲁棒性测试，得到了科学、详细的实验数据。 目前，独立分量分析在众多领域得到了实际应用。本文将二维离散小波变换与时域下的独立分量分析算法相结合，提出了一种新的数字图像水印技术。相关的攻击实验和数据分析表明，该算法具有非常强的适应性以及数字水印的不可见性。同时，由于语音信号在时域中是以卷积混合的形式存在，理论和实验分析表明，时域下的ICA常规算法不能有效分离出源信号，所以本文使用复数域ICA的分离算法，结合短时傅立叶变换和分离算法不确定性的消除处理，在频域中实现了语音信号的分离。 本文主要的创新点： 1．研究独立分量分析的快速稳定算法，同时结合二维离散小波变换，选取图像的低频分量，实现了一种数字图像水印技术。 2．研究独立分量分析的复数域算法，同时结合短时傅立叶变换，实现了一种语音信号分离技术。