心脑血管疾病已经成为人类最重要的杀手之一，听力功能障碍也成为影响人们正常学习生活的重要疾病之一。将盲源分离系统应用于听诊系统或者助听器中都可以在很大程度上提高医疗水平或者生活质量。　　在语音信号处理中，当信号片段足够短时，通常认为信号是稳态的，可以应用盲源分离及相关算法。对于语音信号的盲源分离算法一般包含时域方法与频域方法两大类别算法。由于时域方法计算复杂、计算量较大，所以通常使用频域方法。通过对传统独立成分分析算法每个步骤进行复杂度分析，复杂度主要是受到信号长度，频点数目与ICA算法迭代算法收敛速度三方面的影响。那么为了降低算法复杂度可以从减少迭代的频点数目和加快ICA迭代算法两个角度。本文选用减少迭代的频点数目这个角度进行研究。　　现阶段提出的频域独立成分分析都是针对小间距的，对于距离类似于人双耳间距的情况，由于会产生空间混叠现象，所以并不适用。　　介绍经典的频域独立成分分析算法。将BSS算法应用在语音信号中时，由于我们需要对时域信号进行傅立叶变换，所以得到的频域信息均含有虚部，即在频域BSS算法中需要使用ICA算法的复数形式。由此引出对复数ICA算法的介绍。由于对于语音信号的ICA算法都会产生两个不确定性问题，所以经典频域BSS算法也需要解决这两个不确定性问题。并且给出一些列的语音质量的评价指标，用于作为语音分离性能评价的标准。ICA算法采用FastICA和量化自然梯度算法相结合的算法，通过大量的实验证明传统的频域独立成分分析算法拥有良好的分离性能，但是也发现了其复杂度相对较高的问题。针对这个问题，对算法的步骤进行相应的分析，确定算法的复杂度主要集中在ICA迭代过程中，所以本文将研究方向定位于减少迭代频点的方向上。　　在传统频域独立成分分析算法的基础上，将传统算法中将所有频点进行分离的这一步改为分两段进行频点选择。第一段频点选择以协方差矩阵行列式作为分类频点的依据，将大于标准值的频点作为初选点，其余点作为未选点。经过大量实验可以发现，只经过一段频点选择，会出现选出的初选点有一些频点会偏离实际值的，有一定的误差性。所以引入第二段离群算法，对第一次选出的初选点进行二次筛选，选出的点作为最终的初选频点，其余的点作为为选点。经过上述的流程，通过实验验证，发现可以在优化分离性能的前提下，大幅度降低算法的复杂度在文中引入互信息的概念，将第一阶段的初选频点选择的标准替换为互信息，当互信息越小，说明随机变量之间所携带的互信息越小。通过实验证明当引入互信息为标准时，相比原来以行列式的值为标准，复杂度有所增加，但是其他的分离指标有较大程度的提高。最后对两种引入标准进行分析，确定了给出了两种标准分别适用的情形。