随着越来越多的电子电器设备在科研生产和日常生活中的广泛应用，电磁干扰（EMI）问题也日益突出，为此，各国纷纷制定了电磁兼容（EMC）的标准并强制执行，而对EMC问题的研究也在广泛而又深入的进行着。这其中，借助现代信号处理技术对EMI噪声信号进行分析研究，进而对噪声源进行诊断定位已经成为研究热点之一。本文主要探讨了现代信号处理方法中的盲源分离技术在辐射EMI噪声分析中的应用。首先对辐射EMI的研究背景和发展现状以及盲源分离技术做了简单的介绍。然后深入研究了一些常见的盲源分离算法，包括快速独立分量分析FastICA算法、非参数密度估计ICA算法和基于STFT的卷积盲源分离算法，并用仿真数据和EMI辐射噪声实验数据验证了这些算法在瞬时混合和卷积混合情况下的性能。实验结果表明FastICA算法、非参数密度估计ICA算法可以有效分离瞬时混合独立信号源，但对于EMI辐射噪声实验数据存在卷积混合的情况，这二种算法效果差，只能分离出一个源信号。基于STFT的卷积分离算法无论用于仿真数据还是用于EMI辐射噪声实验数据均能取得较好的分离效果。所以，基于盲源分离进行辐射EMI噪声分析时，卷积分离算法更有效。最后，本文通过小波包特征提取技术和BP神经网络分类器对盲分离后的信号进行了分类，并通过实验验证了这些方法的可行性和正确性。