盲源分离技术是信号处理和神经网络领域近年来的一个热点研究课题,由于其能够从观测的混合信号中恢复出源信号,而对源信号和混合系统的先验知识要求很少,因此在语音信号处理、无线信号处理、生物医学信号处理、地震信号处理以及图象增强等方面都具有非常重要的理论意义和实用价值。 本文对盲源分离的瞬时线性混合模型进行了较深入的研究并给出两种新的算法,同时对盲源分离技术在实际环境语音分离和盲多用户检测中的应用做了讨论,主要内容如下: 1.分析了信息最大化算法以及扩展最大化算法,针对扩展信息最大化算法的收敛速度慢的问题,提出了一种改进的扩展信息最大化算法。 2.针对现有的算法中非线性函数和学习步长的选择会影响算法的收敛速度和稳定性问题,提出了基于最大信噪比的盲源分离算法,该算法不需要选择非线性函数和学习步长,并且不需要迭代运算,计算复杂度低。 3.研究了实际环境语音信号的特性,结合语音信号的短时平稳性和长时非平稳性,给出了一种时频域盲分离算法。 4.介绍了几种常见的盲多用户检测方法并给出了计算机仿真结果。