盲源分离是20世纪80年代后期迅速发展起来的一个研究领域,是目前信号处理中新兴的技术之一。盲源分离是指在源信号未知、传输系统未知的条件下,只根据观测的混合信号的统计特性来估计和分离源信号。它在无线通信、图像处理、生物医学、语音处理、雷达、地球物理信号处理、财政金融预测等诸多领域都有广泛的应用前景,具有很高的实用性和研究价值。独立分量分析(ICA)是线性瞬时混合盲分离中最成熟、应用最广泛的技术之一。独立分量分析的目的是要寻求一个线性变换矩阵,使得变换后的分量尽可能相互独立,这其中涉及到对独立性判据的优化过程。传统的优化算法稳定性差、易于陷入局部最优,因此影响分离性能。针对于这方面缺点,本文提出了一种基于改进粒子群的盲源分离算法,将一种改进的粒子群算法与独立分量分析相结合,提高了盲信号分离的性能。在DS-CDMA下行链路的多用户检测中,把本文改进的独立分量分析算法作为额外的处理单元附加到子空间MMSE检测器中,与其进行优势互补,既可以利用问题的先验信息,又能够利用用户信号的独立性,一定程度上减少了子空间MMSE方法的估计误差对检测误码率的影响,从而提高了检测器的性能。在多用户MIMO-OFDM系统中,经FFT后的接收信号可以表示为在每个子载波处的频域线性混合信号,对每个子载波信号分别使用本文改进的独立分量分析算法,使所有子载波混合信号得到恢复,同时,完成MIMO-OFDM系统相应子载波处的盲信道估计。对于独立分量分析固有的顺序不确定性和幅度不确定性,通过发射端进行线性预编码和接收端后续处理来解决。实现了良好的估计效果。