盲源分离是信号处理领域中的重要研究问题，传统的盲源分离算法运算量较大，在特定的分离条件下性能下降。来波方向估计是阵列信号处理中的重要问题，已有算法在日益复杂的电磁信号环境以及特殊的工程应用场景中往往无法达到所需的精度要求。针对场景特殊性研究盲源分离算法，将其应用到特殊工程应用场景中的盲源估计问题中具有重要的理论意义和工程应用价值。　　本文讨论分离特定目标信号的盲源分离问题，依据问题中的先验信息改进传统算法，提出一种基于相关性约束的盲源分离算法，不需要分离所有源信号，降低了算法运算量。在此基础上，研究邻近强干扰下的信号来波方向估计问题，利用斜投影方法，提出一种基于梯度下降的DOA估计算法，在干扰信号与目标信号来波方向接近的场景中实现了对目标信号来波方向的准确估计。　　本文的主要研究内容有:　　1.针对线性混合模型下的盲源分离问题进行讨论，给出该问题的系统模型，分析基于独立分量分析的传统盲源分离算法的弊端;以目标信号的相关性信息构造约束来改进已有算法，分析该方法的可行性与有效性，进行仿真实验并给出该算法的性能分析。　　2.针对邻近强干扰下信号的来波方向估计问题，给出该场景中的系统模型，分析强干扰场景下传统MUSIC算法存在的问题;构建斜投影算子分离干扰信号与目标信号，利用干扰信号和目标信号的功率差异以及目标信号的相关特性，设计梯度下降算法，实现干扰信号与目标信号波达方向的联合迭代估计;在均匀线阵场景中对本文提出的算法进行仿真实验，将其与已有的MUSIC算法、RELAX算法进行估计精度与运算复杂度等方面的性能对比。　　本文提出的基于斜投影方法的邻近强干扰下目标信号来波方向梯度下降估计算法具有估计精度高，计算量低的特点，优于已有算法在类似场景下的估计性能。