盲源分离是信号处理领域的一个新的研究方向,同时也是一个引人瞩目的应用热点。牵涉到诸如信息理论、神经网络、统计信号处理、优化理论等领域。近年来,对于盲源分离的研究受到了国内外广泛重视,研究也越来越广泛和深入,理论和实际应用都得到了很大的发展。实际生活中,人们接受到的信号往往是不同信源产生的多路信号的混合。例如:鸡尾酒会效应,EP信号的提取等。所谓盲源分离就是在对信源和混合方式等先验知识特别少的情况下,仅由观测到的混合信号来推测或恢复源信号。本文对经典ICA算法进行了研究。经典的ICA方法,如FastICA、Infomax、JADE等,都是应用在观测信号的数目不小于源信号的数目的情形。通过仿真对其分离结果进行对比研究,对于观测信号数目不小于源信号数目的情形,FastICA、Infomax、JADE等算法都能很好的进行分离,其中FastICA算法具有收敛速度快,可以逐个提取各独立分量,计算简单等优点。对于观测信号的数目小于源信号的数目的情况,即盲源分离的欠定情况,是目前研究的热点和难点。本文对于欠定的盲源分离问题进行深入研究,对于源信号具有稀疏性的语音信号和不具有稀疏性的EP信号进行探索研究,并通过仿真分离提取出源信号。通过对时域不满足稀疏性的语音信号变换到变换域使其满足条件,估计出混合矩阵,然后利用最短路径法,分离得到源信号的估计。对于EP信号的单导单次提取,由于EP信号不具有稀疏性,不能使用传统的欠定盲源分离算法。本文利用PCA进行处理,然后结合EMD,得到源信号的初步估计,然后经算法推导,建立模型,实现EP信号单导单次提取。