1、獨立分量分析（ICA）以非高斯源信號為研究對象，在統(tǒng)計獨立的假設下，對多路觀測到的混合信號進行盲信號分離，已廣泛應用于無線通信、生物信號提取、語音信號處理、圖像處理和噪聲抑制等領域。 本論文首先介紹了獨立分量分析的基本原理。以此為基礎，在盲信號分離的瞬時線形混合模型和卷積混合模型下，對獨立分量分析算法進行了研究，主要工作如下： 1.在瞬時線性混合模型下，詳細討論了ICA算法。通過推導，并分別應用自然梯度和自適應方法進行定

2、性定量分析，討論了算法的優(yōu)劣性 2.結合上述模型，研究了快速固定點算法（Fast ICA）。先分析了一次分離出單個源信號的單源定點算法，然后推導出分離源信號的算法。 3.在卷積混合模型下，從時域和頻域對卷積混合信號ICA算法進行了研究。在時域，運用同時正交化多延時相關矩陣建立對比函數，用Frobenius范數最小化對比函數得到分離算法；在頻域，研究了卷積混合信號的頻域盲分離算法，重點分析了算法中存在的分離信號排序不確定性

3、和幅度的不確定性問題。 4.結合上述卷積混合信號的頻域分離算法，研究了一個改進單源算法，將復數快速固定點迭代算法應用到頻域加速收斂，為了防止算法收斂于同一信號，利用一種投影技術，實現一次分離出一個信號，通過逐次分離，實現卷積混合信號分離。 5.對Fast ICA算法提出了改進，應用于多通道混合語音信號處理，保證分離效果的同時提高了算法的快速性；此外，首次將ICA算法應用于一類逆問題系統(tǒng)參數的辨識，通過具體模型的仿真試驗，