独立分量分析(ICA)是盲信号分离中的一种新的处理方法，是近年来的研究热点。ICA可广泛应用于生物医学信号处理，通信信号处理等领域。 本文在分析主分量分析(PCA)理论的基础上，对独立分量分析理论的提出、假设以及其局限性进行了讨论。分析与研究了ICA的算法原理，并且对几种经典有效的ICA算法进行了详细的讨论，通过仿真对其分离性能进行了验证与比较。仿真结果表明FastICA法收敛速度快，分离性能较好。 本文对独立分量分析在生物医学信号处理中的应用进行了研究。针对心电信号消噪时，导联数小于混合信号数时基本ICA方法的不适用性，以及采用小波独立分量分析方法时小波缺乏自适应性，选择最优小波基较为困难的问题，将自适应分解的经验模式分解(EMD)与ICA结合，提出了E-ICA方法对心电信号进行去噪。通过利用MIT-BIH心率失常数据库中的数据进行仿真实验，结果表明该方法可以较好地消除ECG信号中的噪声，消噪后信号与原信号的相关系数可达0.96。其次针对现有的混合混沌信号中微弱信号的分离一般都要利用各个混沌信号的内在性质等先验知识的问题，采用基于负熵的快速独立分量分析法对未知混合情况时混合混沌信号中的微弱信号盲分离进行了研究。仿真结果表明，该方法可以快速有效地分离出混合混沌信号中的微弱信号，与原信号相比误差较小，在信噪比达到-87.6dB时仍能很好地进行分离。 本文对独立分量分析在通信信号处理中的应用进行了研究。针对快速独立分量分析法进行盲多用户检测中峭度法的鲁棒性较差与负熵法的收敛速度较慢的问题，通过三次收敛牛顿迭代的改进负熵法分析，将改进负熵法与传统的子空间检测法相结合，对DS-CDMA系统进行了多用户检测，在检测中，充分利用了扩频码的信息，解决了单独应用独立分量分析法进行检测时用户码字的顺序问题，通过对二阶统计特性的高阶修正，提高了检测性能。仿真实验结果表明这种方法收敛速度较快，稳定性较好。 最后在研究的基础上，对独立分量分析在生物医学信号处理中与通信信号处理中的应用进行了总结，指出了该方法的优势以及其中存在的问题，并指出了进一步的研究方向。