盲分离(Blindsignalseparation,BSS)技术是现代信号处理领域中一个崭新的研究方向。目前已广泛应用于语音信号处理、图像处理、多用户通信、阵列信号处理及医学信号处理等许多领域。目前解决盲分离问题主要利用独立分量分析(IndependentComponentanalysis,ICA)方法提取相互统计独立的源信号。本文着重研究ICA在语音信号瞬时盲分离系统、卷积盲分离系统中的应用,以及在此基础上推导出的FastICA算法及基于FastICA的盲分离系统,并且对其进行了在实际环境下的混合语音盲分离的实验仿真。　　具体,本文研究了瞬时盲分离系统,并对其进行了语音信号的仿真实验;对语音信号这一时延卷积混合的盲分离问题,本文研究了时域卷积信号的盲分离系统。最后,本文在瞬时混合盲分离系统基础上推出时域FastCIA算法,在时域卷积混合盲分离系统基础上推出频域卷积混合盲分离算法,将这两种算法相结合,提出了频域复值FastICA算法,再将此算法与时域预处理方法以及最后回到时域中的利用相关系数求解分离信号方法相结合,从而建立了基于FastIAC的时频域盲分离系统,并将其应用到实际环境中的语音信号盲分离中。与基于时域盲分离方法的系统相比,该系统解决了时域算法迭代时间长、实时性差的问题。通过应用于实际环境中语音信号的盲分离证明了该系统运算速度快、精度高,实用性强。　　然后我们对混合语音信号盲分离问题研究中,本文以独立分量分析(IAC)理论为基础,通过对时域FastICA算法与频域卷积混合盲分离算法的研究,提出了频域复值FastICA算法,并在此算法基础上,引入时域预处理方法,最后再回到时域利用相关系数完成分段语音信号的接序实现信号的整体分离,从而建立了一种盲分离系统一一基于FastCIA的时频域盲分离系统,即T-FFastClA系统。