盲源分离技术在图像处理、语音识别、生物特征识别、地址探测等领域都有着十分广泛的应用。其中源信号恢复算法是盲源分离技术的一个重要研究方向。本论文针对线性瞬时混合盲分离中的源信号恢复算法展开研究,包括超定、正定条件下的源信号恢复和欠定条件下的源信号恢复两方面的内容。具体的研究内容与成果可以归纳为以下两个方面。（1）研究了超定/正定混合条件下的源信号恢复算法。在超定以及正定混合条件下,基于独立分量分析理论,建立了关于负熵的目标函数,通过求解目标函数的极值来恢复信号。现阶段常通过粒子群算法最大化目标函数来进行源信号恢复,但是该算法在粒子数较少的情况下,迭代过程很容易就陷入了局部最优解,影响信号恢复精度。针对这个问题,本文提出了标准粒子群算法的改进算法,该算法引入了分段的Logistic混沌系统,在粒子速度和位置更新之前进行预先处理,该系统扩大了粒子的搜索范围,增加了粒子的多样性,降低了算法陷入局部最优解的可能性。并且在搜索范围扩大的同时还提高了粒子接近最优解的概率,加快了算法的收敛速度。此外,本文还针对粒子在进行速度更新的过程中,由于惯性权重下降方式不恰当而影响最终信号恢复精度的情况,提出了一种新型非线性下降的方式,该方式能够在前期提高算法的全局搜索能力,后期提高算法的局部搜索能力。结合以上两种改进思想,形成一种新的源信号恢复算法,并且通过实验仿真证实了所提新算法的有效性。（2）研究了欠定混合条件下的稀疏源信号恢复问题。基于稀疏分量分析理论,研究了最小化l₀范数的稀疏恢复算法和基于径向基网络的源信号恢复算法。现阶段常常通过求解一个凸函数的极值来近似表示l₀范数,但如果凸函数近似l₀范数的效果欠佳,会影响到估计的精度。因此,本文算法首先利用双曲正切函数来替换常用的高斯函数,然后在求解优化函数极值的部分,将最速下降法与拟牛顿法结合,以解决最速下降法自身的缺陷,从而提出了一种基于拟牛顿法的径向基网络稀疏恢复算法。该算法前期利用最速下降法快速靠近最优解的特点,后期利用拟牛顿法寻优精度高的特点。仿真实验结果表明,本文所提新算法的精度以及时间复杂度等综合指标优于常见的源信号恢复算法。