盲信号处理是近些年发展起来的信号处理领域的前沿热点课题。它可以在未知源信号数目和混合过程等先验知识的情况下,仅根据观测信号来估计源信号。它在通信信号处理、语音信号处理、图像处理和水声信号处理等方面都具有非常重要的理论意义和应用价值。本文研究了盲源分离的基本原理和分离方法。对盲信号分离的概念、原理、结构、几种代表性的算法、盲源分离算法性能的评价函数、以及相关问题进行了系统的研究。根据信号混合过程的不同,通常把观测信号分为瞬时混合信号与卷积混合信号,瞬时混合模型可以看做卷积混合模型的一个特例。根据盲分离算法所用统计信息的不同,盲分离算法又可以分为基于信息论准则的算法、基于二阶统计量的算法和基于高阶统计量的算法。此外,盲信号分离过程既可以在时域进行,又可以在频域进行。本文,在线性混合模型下,对基于信息论下的信息最大化算法(Information Maximization, Informax)、自然梯度算法和快速不动点算法(Fast Independent Component Analysis, FastICA)以及基于二阶统计量的多未知信号提取算法(Algorithm for Multiple Unknown Signals Extraction, AMUSE)和二阶盲辨识算法(Second-Order Blind Identification, SOBI)都做了系统的研究,包括算法的理论推导和仿真实现。在算法的研究中,对含噪混合信号的分离方法进行了探索性研究。最后,分析并总结了以上五种算法的性能。对水声信号的盲源分离技术进行了探索性研究。将瞬态混合和卷积混合模型应用到实际的不同水声目标信号的混合分离中。通过研究总结,选取FastICA算法进行水声信号盲分离的深入研究。先在瞬时混合模型下应用时域FastICA算法分离水下不同目标信号的混合。结合实际水声环境的复杂性,将时域FastICA算法扩展推导到了复频域,使其适用于卷积混合模型。并对复频域FastICA算法进行了改进,解决了次序不确定问题。最后,应用实际的水声信号对改进的复频域FastICA算法的性能进行了验证。证实了改进的复频域FastICA算法的有效性。