1、混合信號的盲源分離是在源信號與傳輸環(huán)境都未知的條件下，僅根據(jù)一組源信號的混合信號來分離出各個源信號的過程。由于其重要的理論價值，盲源分離在眾多科學領域都得到了廣泛應用，如圖像處理，語音信號處理，生物醫(yī)學信號處理，雷達信號探測以及無線通信等。在智能機器人的聽覺系統(tǒng)中，傳感器的個數(shù)往往比較少，使得檢測信號個數(shù)少于源信號個數(shù)，形成了欠定盲源分離問題。并且，當信號源在移動時，此時信號的混合方式不僅未知而且是變化的，以至于進一步增加了盲分離的難度

2、，由此形成較復雜的動態(tài)情況下的欠定盲源分離問題。本文針對這一內(nèi)容展開研究，主要作出了如下創(chuàng)新性工作:
　　 1、在傳輸信道不變，即混合方式固定情況下，針對源信號個數(shù)多于觀測信號個數(shù)的欠定盲分離問題，本文提出了一種基于選擇有效時頻點的混合參數(shù)估計的欠定盲分離算法。當源信號在時頻域具有稀疏性時，由兩路觀測信號在時頻域的比值所提取出的相對衰減和相對延遲具有聚類特性，傳統(tǒng)的DUET算法大多是直接通過聚類算法或直方圖方法來估計混合參數(shù)。本

3、文提出一種由能量選擇有效時頻點，再對有效點進行模糊C均值聚類來估計混合參數(shù)的方法，聚類效果明顯增強，并大大提高了分離算法性能。
　　 2、在動態(tài)環(huán)境，即混合矩陣時變情況下，結(jié)合批處理分離算法和自適應在線算法的優(yōu)點，針對欠定模型，本文提出了分塊自適應的在線盲分離算法。把傳統(tǒng)分塊的獨立分量分析(ICA)的思想擴展到欠定盲分離中，從而實現(xiàn)動態(tài)情況下的欠定盲源分離算法。在連續(xù)時變環(huán)境中，每一幀內(nèi)采用上述改進的靜態(tài)離線算法，為追蹤混合參數(shù)