近年来，信号处理的理论与方法获得了迅速发展。事实证明，信号处理是推动众学科发展的一个重要基石。独立分量分析技术(Independent Component Analysis，简称ICA)是信号处理领域发展较晚的一种理论与方法，已迅速成为该领域内重要的组成部分，且其发展逐渐趋向成熟化与系统化。 本论文对独立分量分析对于盲信号分离的应用进行了研究，主要工作如下： (1)搜集、整理、总结了国内外独立分量分析方面的成果和进展，介绍了独立分量分析的基本理论，并着重讨论了几种常用的独立分量分析算法及其特点。 (2)介绍了盲信号分离的基本理论，并在最小互信息盲分离算法的基础上提出了盲信号分离的基于模糊神经网络的独立分量分析方法。 (3)论文对基于模糊神经网络的ICA对于盲信号分离的应用进行了探讨，制定了可行的统计独立准则、边缘熵和激活函数，详细介绍了模糊神经网络的设计过程，并对算法的稳定性和收敛性进行了分析，通过计算机实验证实了该ICA算法对于盲信号分离的良好的性能，指标显示代表信号特征的信号的波形和频率基本与源信号保持一致达到了较好的分离效果。与同类算法的性能比较表明该算法分离性能较好。