独立分量分析方法(ICA)是近年来发展起来的一种有效的盲信号处理技术,随着它不断的发展,产生了复值ICA算法。该算法具有重要的理论和应用价值,在语音信号、图像处理、天线阵列等许多领域都有广泛的应用。在近几年时间里,有关的理论和算法研究都得到了较快的发展,并且提出了许多的有效的算法。目前,复值ICA算法已经成为国际上信号处理领域的一个研究热点。首先,本文介绍了ICA算法的基本理论、典型的ICA算法及其性能分析。其基本理论主要有信息论、ICA的数学模型及可解性分析等。典型的ICA算法主要包括最大熵算法、H-J算法、最小互信息算法、随机梯度算法和自然梯度算法等。其次,本文提出了改进的复值快速独立分量分析算法(CFICA)。通过对原有三阶复值ICA算法进行改进,提出了五阶收敛的CFICA算法。仿真实验表明,改进的算法的分离效果要优于传统的复值ICA算法的分离效果,并且明显减少了算法的迭代次数和运行时间,提高了算法的收敛速度和运行效率。最后,为了克服算法对初值敏感性的问题,本文给出了基于松弛因子的高阶收敛CFICA改进算法,包括基于松弛因子的三阶收敛CFICA算法和基于松弛因子的五阶收敛CFICA算法。仿真实验表明,改进后的算法不依赖于初始值的选择,有效的克服了初值敏感性的问题,进而提高了算法的收敛性能。