盲源分离技术是指在源信号以及传输信道未知的情况下,仅根据混合后的信号分离出源信号的技术。在实际生活中,往往都是源信号的数目多于观测信号数目的情况,也就是欠定情形,对于这种情况,通常采用稀疏分量分析来解决。因此本文基于稀疏分量分析对语音信号的欠定盲源分离技术进行研究。首先,在源信号充分稀疏情况下,目前的聚类算法易受噪声影响,针对该问题提出了改进的拉普拉斯势函数聚类算法。源信号充分稀疏指的是在每个观测时刻下,大多数情况下只有一个源信号起作用。此时,观测信号的散点图呈现出线性聚类的特点。由于信号在时域的稀疏性不好,但在频域上稀疏性会有所增强,通常将信号变换到频域进行处理。由于杂散点的存在,使得后期估计出的混合矩阵精度不佳,故提出一种利用观测信号的实部矢量与虚部矢量之差的方法来检测单源点。由于原点附近的单源点会影响混合矩阵的估计效果,需要进行低能量点处理。在信噪比较低时,现有算法估计出的聚类中心偏差较大,导致后期估计出的矩阵精度不高,本文提出了改进的拉普拉斯势函数,然后对估计出的聚类中心进行修正,最后得到估计矩阵。仿真结果表明,本文所提算法在估计混合矩阵时有很好的性能。其次,在源信号非充分稀疏情况下,由于噪声和异常值的存在,使得目前的聚类算法的估计效果不佳,针对该情况,提出了基于超平面聚类的估计算法。源信号非充分稀疏指的是在每个观测时刻下,大多数情况下不仅只有一个源信号起作用。此时,观测信号的散点图则具有面聚类特点,而不是线性聚类特点。由于目前的聚类算法对噪声和异常值敏感,在迭代出聚类平面时易陷入局部最优值,使得估计出的混合矩阵效果不佳,因此本文首先通过提出一种新的距离度量方式来改进核密度函数,并将其作为目标函数,之后推导出自适应梯度迭代方法来对优化聚类超平面的法向量,而后对估计出的法向量采用最陡上升方法迭代出列向量,进而得到混合矩阵。仿真结果表明,本文所提算法提高了估计混合矩阵时的抗噪性。最后,提出了一种基于改进的最小化l₁范数算法,以解决重构算法受噪声影响严重问题。首先进行预处理,去除观测信号中的零向量并统一方向,而后对列向量进行归一化处理,分别计算出观测信号与列向量的方向,首先根据向量的长度和方向来找到最接近观测信号的向量,之后估计出源信号,但经仿真发现该方法重构效果不佳。在此基础上,又对混合矩阵的形式进行变换,利用变化后的混合矩阵估计某时刻的源信号,进而估计出所有时刻的源信号。仿真结果表明,本文所提算法可以有效地重构出源信号,同时该算法受源信号数目影响不大。