在实际生活中,我们从外界获取的语音信号通常是各种声音信号的混合。对于听障患者来说,在区分环境中某一个说话人的声音时会出现困难,需要借助助听器来完成对目标说话人声音的分离与增强,这就要求在助听器中有一种能够准确分离混合语音信号的方法。盲源分离算法就是一种解决语音分离问题的常用方法。盲源分离指的是在信号源和传输通道参数未知的情况下,对观测信号进行检测,并根据其统计特性将输入信号源的所有分量分离出来。盲源分离最初是为了解决鸡尾酒会问题而被提出的,由于其重要的理论价值和广阔的应用前景,迅速成为各领域学者关注的研究热点。由于盲源分离算法需要迭代运算,其计算复杂度很高,不符合数字助听器低功耗与低延迟的要求。因此,将盲源分离算法应用于数字助听器中应最先解决的问题是如何降低算法的复杂度。针对盲源分离算法复杂度高的问题,本文提出了两种减少算法复杂度并提高分离性能的快速盲源分离算法,解决了当前盲源分离算法复杂度过高无法应用于实时性系统的问题。主要创新点如下:（1）提出了一种基于互信息频点筛选和非因果成分截短的快速分离算法。首先通过互信息标准选择信号统计独立性更强的频点,并通过离群值筛选将选择出的频点中相对混合参数偏离实际值的频点去除。对最终选择出的频点进行迭代运算,获得估计的相对衰减参数和相对时延参数的值来构建未选择频点的分离矩阵。然后将分离矩阵转换为时域FIR滤波器并截短非因果成分,进一步减少算法延迟。最后通过时域滤波器对混合信号进行滤波完成信号的分离。与固定点迭代算法和量化自然梯度算法结合的传统算法进行比较,实验结果表明,在无混响环境下,提出算法的运行时间仅为传统算法的10.1 5%,SIR、SDR和PESQ的平均性能分别提高了 7.69dB、9.94dB和0.11。在有混响环境下,提出算法的运行时间仅为传统算法的14.54%,SIR、SDR和PESQ的平均性能分别提高了 4.41dB、6.16dB 和 0.05。（2）提出一种基于单语音频点筛选的快速盲源分离算法。首先通过混合信号协方差矩阵的行列式标准筛选出只包含单个源信号的单语音频点,通过单语音频点中混合信号分量的比值计算出分类参数。其次使用多标准频点筛选选出分离性能最好的部分频点,用这些频点的相对参数估计值来计算分类参数。通过分离性能最好的频点的分类参数对单语音频点的分类参数进行比较和分类,单语音频点被分类为分别具有不同源信号分量的频点和未选择的频点。然后通过分类后单语音频点的分类参数计算出相对幅度衰减参数和相对时延参数,使用参数值计算出未选频点的分离矩阵并完成混合信号的分离。实验结果表明,在无混响环境下,提出算法的运行时间仅为传统算法的5.1%,SIR、SDR、SAR和PESQ分别提高了 10.1dB、12.16dB、17.07dB和0.09。在有混响环境下,提出算法的运行时间仅为传统算法的5.29%,SIR、SDR、SAR和PESQ分别提高了 3.65dB、5.14dB、15.71dB 和 0.2。