盲信号处理(Blind Signal Processing,BSP)是20世纪最后10年迅速发展起来的新的研究领域。它是指在传输信道特性未知、输入信息未知或仅有少量先验知识的情况下,从系统的输出信号中分离或估计源信号的波形。目前其子领域包括盲源分离(Blind SourceSeparation,BSS)、盲信号提取(Blind Signal Extraction,BSE)、盲反卷积(Blind Deconvolution)和盲均衡(Blind Equalization)、盲辨识(Blind Identification)等。盲信号处理已经成为当今信息处理领域中热门的课题之一,并在地震勘探、移动通信、语音处理及生物医学工程等领域显示出诱人的应用前景。其中声源盲信号的检测与处理,尤其是语音处理,已成为盲处理应用的一个重要领域。本文以盲源分离中的主要算法体系独立分量分析(IndependentComponent Analysis,ICA)为研究重点,研究并实现了多种重要的ICA算法,包括基于峰度的盲源分离开关算法、FastICA算法、全局最优盲源分离算法、基于最大信噪比的盲源分离算法和二阶盲辨识算法等,同时对基于最大信噪比的盲源分离算法进行了改进,提高了算法性能,解决了原算法在一些情况下失效的问题。本文将盲信号处理应用于声源信号,开发出一个声源盲信号检测与处理系统,将以上各算法集成到该系统中。利用系统仿真,实现声源盲信号混合与分离处理的全部过程,进行较完整的声源盲信号检测与处理的研究,为这一领域提供了一个较为完整的研究平台。并利用该系统进行了一系列实验,对比并分析了实验结果,得出了很多重要结论,对实际声源盲信号检测与处理有一定的指导意义。