在源信号和传输通道未知情况下，仅利用接收天线的观测数据恢复相互独立的源信号，称为盲源分离，也就是盲信号处理。近几年来，盲信号处理已成为信号处理和神经网络热点领域。但主要用于语音信号处理，而应用于雷达信号处理并不多见。本文将盲信号处理技术应用于雷达信号处理，主要是雷达阵列信号处理以及合成孔径雷达信号处理。主要研究内容和取得的成果有： (1)提出了一种对输入数据进行SVD分解的白化数据方法，该方法只需要对输入数据进行SVD分解，具有计算量小的优点。提出了一种基于信号波形的算法性能评价准则。 (2)通过信号处理来确定空间信号源的波达方向和频率是雷达阵列信号处理的基本问题之一。本文研究在估计阵列参数(主要是波达角和频率)的同时，分离雷达目标回波信号和雷达杂波。 (3)对于ESPRIT算法而言，各信号参量的匹配是一个重要环节，本文提出了一种新的匹配各信号参量的方法，该方法简单可靠。 (4)由于MUSIC与ESPRIT算法，以及基于高阶统计量的MUSIC、ESPRJT算法在估计雷达阵列参数时均存在一定的缺陷。而实际的阵列接收模型是含噪声的瞬时混合模型，因此文章研究了盲源分离算法在雷达阵列信号处理中的应用。基于负熵定点ICA算法一般应用于实数信号，但雷达阵列输出信号为复数信号，因此文章修改基于负熵的定点ICA算法，给出了盲分离复数信号的快速定点ICA算法。 (5)基于盲分离复数信号的快速定点算法，文章提出了一种波达方向—频率盲估计算法，并给出了仿真结果。仿真结果表明，波达方向．频率盲估计算法是有效而鲁棒的，并且能从有噪声的阵元信号中同时估计出波达方向和频率。更为重要的是波达方向—频率盲估计算法能够在估计DOA和频率的同时，实现雷达杂波和雷达目标回波信号分离。 (6)多普勒参数估计是合成孔径雷达一个重要问题。因此文章介绍了合成孔径雷达回波模型和多普勒参数误差对成像的影响，认为多普勒参数误差会引起图像信噪比下降和虚假目标的出现。 (7)论文从新的角度分析了SAR回波模型，认为SAR回波信号中的方位向部分可以看作是一个多项式相位信号通过FIR滤波器的输出信号，据此可将盲反卷积的方法引入多谱勒参数估计。 (8)将PHAF引入多普勒参数估计，提出了一种基于盲反卷积的多普勒参数估计算法。仿真试验说明了该算法计算量小、鲁棒性强、估计精度高，在小信噪比情况下仍可得到较准确的估计结果，相对于子孔径相关法算法以及对比最优自聚焦算法具有效率高的特点。 (9)将基于盲反卷积的多普勒参数估计算法应用于SAR成像，成像结果表明基于盲反卷积的多普勒参数估计算法能够改善成像分辨率。