无线通信系统往往极易受到外界干扰,导致传输信号强度大大减小且掺杂干扰信号。随着数字化通信业务的不断增多,频谱资源的局限性日益明显,使得单通道盲源分离(Single Channel Blind Source Separation,SCBSS)技术普遍应用于电子侦察和无线电监测等通信场景中。但是,现有的用于解决单通道盲源分离算法适用范围有限,导致接收信号很难被分离与提取,使得SCBSS技术在通信信号领域的应用仍然存在很多问题。因此,对于单通道盲源分离问题的研究具有重要意义。由于单通道盲源分离问题是典型的欠定盲源分离问题,在传统意义的分离准则和算法意义上,该问题是病态的,因此必须对源信号的性质进行深入分析,利用其先验信息进行优化准则的设计。本文针对单通道盲源分离问题,对单通道通信信号的盲提取技术进行了研究,首先,阐述了几种常见的盲源分离算法的基本原理:独立成分分析(Independent Component Analysis,ICA)、约束独立成分分析(Constrained Independent Component Analysis,CICA)和带参考信号的独立成分分析(Independent Component Analysis with reference,ICA-R);然后,通过分析各算法在处理盲源分离问题中存在的不足,本文提出了改进的ICA-R算法。改进的ICA-R是将接近性度量函数的倒数添加到对比函数中,并通过拉格朗日乘子法得到优化权向量,从而提取出期望源信号。仿真结果表明,本文所提出的改进的ICA-R算法可以恢复出期望的源信号。此外,通过定量分析与比较,改进的ICA-R算法所需的平均运行时间较少,提取精度较高;最后,利用无线通信系统发送端的通信信号的先验信息,基于本文提出的改进的ICA-R算法,将欠定的SCBSS问题转化为一个适定的SCBSS问题,从而分离提取出接收端的通信信号。仿真结果表明,改进的ICA-R算法可以恢复出期望的发送信号,并且具有较高的提取精度与较好的鲁棒性。