本文对科学计算自由软件Scilab和盲信号分离中的若干问题进行了研究。目前许多科学计算软件使用者的注意力似乎更多地被商业性数学软件所吸引，如Matlab、Mathematica、Maple等在国内外都相当普及和流行。Scilab是由法国国立信息与自动化研究院(INRIA)的科学家开发的“开放源码”式科学计算软件，其功能与Matlab类似。本文对Scilab进行了研究，并通过分析和修改其源代码。实现了对其界面的汉化等工作，为进一步学习、研究和应用Scilab奠定了基础。盲信号分离问题是目前信号处理领域中最热门的新兴技术之一。本文讨论了盲信号分离的数学模型、实现方法及算法评价指标等，并回顾和总结了多种典型的盲信号分离算法；研究了超高斯和亚高斯混合信号的盲分离问题，基于Kullback-Leibler散度提出了一种新的预白化盲信号分离算法，并通过引入一个对称概率密度的思想推导出新的评价函数，然后利用信号概率密度与峭度的关系在学习过程中自适应的选择评价函数的形式。该算法能有效地分离超高斯和亚高斯混合信号。针对源信号数目未知的超定盲信号分离，即观测信号个数不少于源信号个数情况下的盲信号分离问题，提出了一种基于主分量分析和信息最大化的盲分离两级算法框架。仿真表明，在高信噪比情况下，该算法框架适用于解决此类问题。最后，基于Scilab研制了盲信号分离的仿真工具箱BSSLAB，其以友好的人机界面简化了算法仿真过程。从而为盲信号分离的进一步研究提供了软件工具。