盲源分离作为一项强大的信号处理技术,已经成功应用于语音信号处理、通信信号处理、生物医学和图像信号处理等领域。超定盲源分离是指当接收信号个数大于源信号个数时,在源信号先验信息以及信道传输参数缺失的情况下,仅根据观测信号估计出源信号的过程。本文分别研究了瞬时混合和卷积混合模型下的盲分离算法,具体研究内容和成果概括如下:(1)针对源信号卷积混合的情况,在现有非正交联合块对角化算法基础上,提出了基于滤波器阶数估计的卷积盲分离算法,并应用于近场环境中卷积混合语音信号的分离。该算法采用对混合信号自相关矩阵进行特征值分解,并对相邻特征值比值设阈值的方法估计出源信号个数和滤波器阶数,有效解决了非正交联合块对角化算法在卷积混合盲分离中的初值选取问题;通过引入预白化对非方阵的等效混合矩阵进行降维处理,消除了快速非正交联合块对角化算法中混合矩阵必须为方阵的局限。仿真结果表明,与现有的方法相比,所提方法分离混合语音信号的效果有所提高。(2)针对源信号瞬时混合的情况,在远场环境下跳频混合信号的网台分选应用中,根据均匀线阵接收模型中混合矩阵具有范德蒙(vandermonde)的特点,提出了基于两次时频比的单源点检测方法,解决了现有单源点检测方法计算复杂,算法仿真时间长的问题。仿真结果表明,所提算法在保证混合矩阵估计误差不下降的同时,仿真时间降低了一半。针对存在噪声及干扰信号的跳频信号,多源点被误判为单源点,导致波达方向(DOA)角度估计误差变大的情况,提出基于起止位置检测的单源点修正算法,利用检测出的真正单源点起止位置内的单源信息点进行DOA估计,有效去除了伪单源点对DOA估计的影响。(3)针对复杂跳频网台中混合跳频信号分离效果差的问题,提出了多跳周期下的同步正交跳频信号盲分离算法和基于时域分段处理的异步非正交跳频信号盲分离算法。多跳周期下的同步正交跳频信号盲分离算法主要利用跳频信号时频信息提取算法,将混合跳频信号按照跳周期进行分段,对每段信号分别进行混合矩阵估计以及信号分离,最后根据DOA聚类中心值拼接每段分离信号。仿真结果表明,此方法在低信噪比和源信号个数增加的情况下,仍能有效进行DOA及混合矩阵的估计,保证较好的分离效果。基于时域分段处理的异步非正交跳频信号盲分离算法根据估计出的跳变时刻对时域混合跳频信号进行分段,针对每段信号中包含源信号个数不同,采用对应的DOA估计方式及盲分离算法。仿真结果表明,该方法在低信噪比的情况下也能有效估计出每路源信号的波达角度,并保证较好的分离效果。