盲源分离问题(Blind Source Separation:BSS)是指在信号传播过程当中,当源信号和传播信道都未知的情况下,仅仅通过观测到的混合信号来恢复源信号的问题。在早期阶段,由于未考虑信号传播时的延迟和滤波效应,得出了许多基于线性瞬时混合模型的经典方法:如最小互信息、Fast ICA、自然梯度算法、相对梯度算法等。但是这些方法对于实际环境下的信号,由于其混合形式在时域当中为卷积混合,往往不能得到理想的分离结果。相对于瞬时混合盲源分离,卷积混合盲源分离更为复杂,但大多数实际信号的混合都是卷积混合,因此卷积混合盲源分离问题吸引了众多的研究者。近年来,许多卷积混合盲源分离算法被提出,一类是采用时域方法,另一类采用频域方法。时域方法大都是将瞬时混合盲源分离的算法推广而来,或者通过设定符合某种形式的大型混合矩阵,将卷积混合转变为单个基于该大型混合矩阵的瞬时混合,或者直接将瞬时混合盲源分离的代价函数推广到卷积混合盲源分离问题,来得到分离算法,但总体来说时域算法当混合滤波器长度很长时收敛速度很慢。而在频域上,其中频域方法是利用短时FFT将时域的卷积混合转化为频域的瞬时混合,然后对每个频点的复数混合信号用瞬时的ICA方法进行分离。但是,由于每个频点的分离是独立进行的,所以存在不同频点之间的信号存在幅度和顺序的不一致问题,解决不确定性问题又是相当困难的。同时信号域的转换对于信号的独立性假设也存在不可忽略的影响。卷积混合盲源分离是目前盲源分离中得最热门的研究方向之一,在通信、生物医学、语音处理、水下声学等领域具有非常重要的应用价值。本论文在详细论述卷积混合盲源分离理论的基础上,主要针对卷积混合盲源分离的时域算法出发,对其进行了研究。本论文共分五章。第一章是绪论部分,主要介绍了卷积混合盲源分离提出的背景、现实意义及研究现状;第二章首先给出了瞬时混合盲源分离和卷积混合盲源分离的数学模型,然后详细的阐述了卷积混合盲源分离的数学基础,包括离散时间滤波器和Z变换、矩阵论的基本知识,然后讨论了其算法具有的不确定性问题,接着给出了两个卷积混合盲源分离算法的性能评价准则,最后介绍了三个具有代表性的算法;第三章研究时域卷积混合盲源分离问题。首先介绍了一种卷积混合信号的白化算法,然后在前人的基础上提出了一种基于非线性PCA的代价函数,并在此基础上推导出了一种基于非线性PCA的卷积混合盲源分离算法。通过在仿真实验中与其他算法比较,可以看出我们给出的算法具有较快的收敛速度和较好的分离效果。第四章在上一章算法的基础上引进正则化项,从而得到另一种新的代价函数,并在此基础上推导出了基于非线性PCA和正则化的卷积混合盲源分离算法。通过在仿真实验中与其他算法比较,可以看出我们给出的算法具有较快的收敛速度和较好的分离效果,而且要优于第三章的算法。第五章对本论文所做工作进行了总结,并指出了有待解决的问题和进一步研究的方向。