随着智能手机的普及,人们对于语音方面应用的需求也越来越多,如语音识别、音乐推荐以及听音识曲等。所以,近年来,对于音频信号的各个方面的研究也变得更加热门。其中一个主要的方面就是混合音频信号的盲分离问题,它可以应用在多个方面,如语音识别中的语音增强、音乐的分类聚类、语音或说话人的识别以及自动谱曲等。本文主要研究线性瞬时混合的欠定多通道音乐信号的盲分离问题,提出了基于低秩逼近算法的非负张量分解算法。首先简要介绍了非负矩阵分解(NonnegativeMatrix Factorization,NMF)的基本原理。然后将低秩逼近算法应用到NMF算法中,推导出其迭代更新公式,有效的提高了 NMF算法的运算速度。在此基础上阐述了非负张量分解(Nonnegative Tensor Factorization,NTF)的基本原理,介绍两种非负张量分解形式:非负标准分解方法和非负Tucker分解。并将低秩逼近算法推广应用到NTF算法,推导出其迭代更新公式,提出了基于低秩逼近算法的非负张量分解算法。接下来利用加速近端梯度算法来求解NTF问题,对非负张量分解算法进行改进,降低其算法复杂度并提高其收敛速度。并结合低秩逼近算法和加速近端梯度算法,对NTF算法进行优化,进一步的提高算法速度。最后,将加速的基于低秩逼近算法的NTF算法应用到音频信号的盲分离进行仿真。取得了较好的分离效果。