盲信号处理(Blind Signal Processing,BSP)是上世纪末发展起来的一种新的信号处理技术,经过多年的理论研究和实践,它已成为信号处理领域的一个重要分支。其中盲源分离(Blind Source Separation,BSS)是盲信号处理技术中的经典应用,而独立成分分析(Independent Component Analysis,ICA)则是盲信号处理中强而有力的方法,它是仅凭所观测到的数据,在对信号源与传输信道以及混合系统没有先验知识的条件下,利用统计学的方法和信号源之间的独立性条件实现对混合信号的分离。虽然目前ICA已经在信号处理领域得到相关的应用,然而随着研究的深入,新的问题逐渐出现,它们导致了一些原有ICA方法的性能降低甚至失效。本文的研究动机主要是围绕这些问题而开展起来,包括:不动点算法的稳健性问题;ICA数据中野值的处理;多类型噪声中的ICA问题;复值ICA算法的推广和ICA分离技术的应用,概括起来主要的研究成果有:1、针对独立成分经典算法——快速不动点(Fast Fixed Point)算法在分离实信号的过程中所用到的非多项式函数(Non-Polynomial Function)进行研究。在传统的实信号不动点算法中,多年以来一直采用Hyv?rinen给出的三个非多项式函数,然而当混合数据或者源信号中混有野值时,算法的分离性能将快速降低甚至失效。为此,本文利用负熵近似和分段估计的方法,提出了一个稳健的非多项式函数,该函数使得不动点算法在处理无论是否含有野值成分的数据时仍能保持其有效的分离性能,提高了算法的稳健性。2、对ICA混合数据中的野值成分进行研究,由于野值成分会影响数据的统计特性,从而降低了不动点算法应用原有非多项式函数的分离性能。对此,结合稳健估计的理论,本文提出了在白化处理之前先对数据进行非线性投影分析,在此基础上构造了观测信号中关于野值阈值的判决方法,同时给出去除野值和重建信号的方法,从而避免野值破坏算法的性能。3、研究了实信号中的噪声ICA混合问题,利用高阶统计量对高斯噪声具有盲辨识的特性,将基于四阶累积量的联合对角化(Joint Approximate Diagonalization Eigen-matrices,JADE)算法用于二维实噪声ICA的分离中,降低了高斯噪声对分离性能的影响。然而随着信号维数增加,JADE的计算量迅速增长,导致算法收敛的时间过长。虽然原有的实噪声ICA算法具有较高的收敛速度,但其仅针对在高斯白噪声下的混合而未考虑脉冲噪声的情形。为此,结合统计和野值分析方法本文构建了用于处理脉冲成分的动态滤波器,与此同时将实噪声ICA算法扩展到脉冲与高斯噪声共存的情形。由于所提出的方法不会破坏数据的统计特性,因此对于不含脉冲噪声的混合数据仍能使原有的实噪声ICA算法有效。4、将复值ICA不动点算法推广到一般的噪声环境中,扩展了复值ICA快速不动点算法的形式。通过对观测数据和噪声协方差的分析,给出复值成分关于噪声环境下的偏差去除方法。利用牛顿迭代法,推导出复值信号在噪声混合中的分离算法,将ICA不动点算法在不同的环境下有机地结合起来,当在无噪声的条件下,所提出的算法则退化为由Hyv?rinen提出的复值无噪声ICA不动点算法,从而实现了算法的在噪声中的推广。仿真结果显示,算法对复值噪声ICA问题有良好的分离效果。5、研究了JADE-ICA算法在光偏振复用(Polarization Division Multiplexed,PDM)-正交频分复用系统(Orthogonal Frequency Division Multiplexing,OFDM)中的应用。在传统的光偏振复用系统中,恒模算法(Constant Modulus Algorithm,CMA)被用于盲解偏振复用信号。然而,该方法需要多次对滤波器系数更新,并且CMA收敛的时间较长,甚至可能导致奇异性问题。结合对经典ICA算法及其模型分析的基础上,将JADE算法用于PMD-OOFDM系统中的盲均衡处理。利用该方法,可以对接收端含有高斯白噪声的成分实现盲解偏振复用,并且提高了系统的均衡性能,同时避免了CMA在均衡过程中的奇异性问题。