盲源分离是当前信号处理的一个受关注的研究方向,其可以在不需要知道源信号和信道的条件下有效地对源信号进行估计,使得其在通信、语音信号处理、生物医学信号处理等方面具有广阔的应用前景。而欠定情况下的盲源分离又是盲信号分离中的一个热点与难点问题,本文结合已有的研究成果,对欠定盲源分离算法进行了以下的研究:(1)引入其他聚类算法(如K-medoids、模糊c均值聚类算法等)进行混叠矩阵的估计,并分析对比各算法的优缺点。(2)针对势函数法对窗口宽度的难以确定及K-means聚类算法对初始聚类中心的依赖等缺点,提出了基于对观测信号进行分组统计的混叠矩阵估计算法,然后通过仿真实验验证对比新算法与势函数、K-means等算法相比所具有的优点。(3)提出K-means算法的改进算法。与K-means算法相比,改进算法可以有效减少极值点对聚类中心的影响,提高估计效果;与K-medoids算法相比,改进算法的时间复杂度较低。(4)应用欠定盲源分离算法解决混沌信号与语音信号混叠情况下的欠定信号分离提取问题,实验仿真证明欠定盲源分离算法解决混沌信号混叠问题的有效性,再次对比各算法估计混叠矩阵的性能。