盲信号分离算法是在源信号和传输信道参数未知的情况下,根据源信号的统计特性,仅利用传感器获得的观测信号分离出相互独立的源信号,应用在众多领域。线性混合和卷积混合是学者们研究的重点。但因卷积混合模型更符合声音在空气中传播时出现的时延和衰减等现象,所以研究卷积混合实际意义更大。求解卷积混合盲信号分离问题方法主要有时域方法和频域方法。但因时域方法在求解时涉及到复杂的卷积运算而造成系统大量的计算负担。故本文将频域方法作为重点研究对象,主要研究内容如下:(1)提出一种受启发的回溯搜索算法,并将其应用于卷积混合盲信号分离问题。传统的频域方法在求解卷积盲信号分离问题时所采用的优化算法通常是梯度算法或牛顿迭代算法,在求解前需合理选取步长、非线性函数及设置初始矩阵取值,否则会严重影响算法的分离性能。为解决这一难题,本文采用了操作简单和优化性能良好的仿生智能算法—回溯搜索算法。但回溯搜索算法在开发和探索两方面难以取得平衡,故本文对回溯搜索算法进行了改进,提出一个新的搜索方程和在原搜索方程中添加扰动算子的策略。通过仿真实验证明了受启发的回溯搜索算法的优化性能更佳。然后,本文提出将受启发的回溯搜索算法取代传统的梯度等优化算法,对由复Givens矩阵表示的分离矩阵进行优化。实验证明所提算法取得了比其它算法更优的分离性能。(2)提出一种基于复值回溯搜索的卷积混合盲信号分离算法。针对待求的分离矩阵中未知参数较多的问题,本文首先将回溯搜索算法中的实数粒子扩展成复数粒子,构成了一个复数域的解空间。然后直接在复数域的解空间利用QR分解方法求解分离矩阵。最后通过复值回溯搜索算法优化分离矩阵中的未知参数以寻求全局最优解。仿真实验证明,本文所提算法既减少了待求参数又提高了算法的分离性能。(3)提出一种基于复值回溯搜索和IVA的卷积混合盲信号分离算法。传统IVA算法在处理卷积混合盲信号时求解过程是基于梯度类优化算法,依赖初始矩阵和步长设定,极易陷入局部最优。针对以上问题,本文提出采用复值回溯搜索算法优化IVA算法初始矩阵的方法。以各频点上所得信号的互信息为目标函数,将复值回溯搜索算法搜索到的最佳解作为IVA算法的初始矩阵取值,最终通过IVA算法实现分离。实验表明所提算法既消除了排序处理又提升了分离性能。