盲分离是当今语音信号处理领域的新热点，可以在源信号和信道没有任何先验知识的情况下，通过观测到的几个信号来恢复出未知语音源，而使用一般的语音增强和降噪方法进行分离则比较困难。如何比较盲分离算法性能优劣，将有效促进算法的进一步发展，因此盲分离的评价方法有重要意义。传统的语音盲分离评价方法主要有基于混合矩阵和基于信号的两大模型。随着语音盲分离技术的不断实用化，传统的评价指标因为依赖于已知源信号或信道等先验知识，所以不符合实际信号采集模型，而仅利用人耳判断分离效果也不能客观的评价盲分离算法性能。目前的研究中，尚没有公认的适用于实际语音盲分离的客观评价指标。 本论文对盲分离算法的评价方法进行了系统的研究，重点分析了当源信号和混合信道等先验知识未知时，混合语音盲分离的评价问题，并提出了一些新的观点和算法，具有一定的研究意义和实际应用价值。论文的主要工作和创新点如下： 1、提出了基于极大似然的独立性检测方法：利用独立分量分析的假设，通过比较各次计算的目标函数收敛值的大小，检测由初值选取、核函数学习算法等因素造成性能差异。该方法适用于仅含观测信号的采集环境，摆脱了传统评价方法对先验知识的依赖，具有一定的创新性； 2、提出了基于听觉感知模型的评价方法：建立了同步比较模型，并将人耳听觉对语音特征的感知和模式识别引入该模型，设计出了基于美尔倒谱系数的高斯混合模型的指标和基于时域信号相关性的指标。在此基础上，提出了听觉一独立性联合指标。该指标分别从听觉感知域和信号独立性角度客观评价语音盲分离的性能，具有一定创新性； 3、改进了语音盲分离的可靠性算法：修正了Bootstrap样本生成范围的方法，并结合基于组平均距离策略的分级聚类，改进了独立分量分析的可靠性算法，获得了更精确的参数，并分析了混合维度、运算精度和可靠性的关系，具有一定创新性； 4、为了验证以上评价方法的有效性，本文首先分析了盲分离性能指标的基本理论，并对盲分离基本评价模型的多种评价算法进行了仿真实验。在独立性检测方面，以基于极大似然估计为例，对不同算法进行实验比较，分析了精度与独立性之间的关系；在听觉感知方面：通过实验仿真，将听觉一独立性指标应用于瞬时混合和真实混合的盲分离评价，客观的量化了人耳对语音盲分离的听觉感知；对于可靠性分析方面：在三种不同混合维度上，进行了多次的实验仿真，分析了混合维度、运算精度和可靠性的关系。