盲源分离在语音信号处理领域是一种较为常见的关键性技术,它主要应用于源信号的已知信息非常少甚至完全没有时,仅根据接收端信号估计出每一个源信号。近年来,盲源分离技术获得了长足的发展,然而含噪卷积混合语音信号的盲源分离问题仍有待深入探讨。本文主要研究含噪卷积混合模型下的盲源分离技术,首先采用基于信号子空间的语音增强技术作为盲源分离的去噪预处理步骤,来获得较为纯净的卷积混合语音信号,然后对非正交矩阵联合块对角化算法进行优化改进,避免算法收敛到奇异解,再利用改进后的算法对卷积混合语音信号进行盲源分离。以下是本文研究工作的主要内容:(1)描述了盲源分离的数学模型,对源信号和噪声信号提出了一些假设条件,分析了盲源分离问题客观存在的不确定性,并研究了盲源分离算法性能的评价指标。在研究了三类经典的盲源分离算法的基础上,在每一类算法中选择一种进行仿真,分别对比了其针对无噪混合语音信号和带噪信号的分离结果。分析得出,三种经典的盲源分离算法应用于带噪混合语音信号时,均无法达到理想的效果。(2)针对带噪混合语音信号,提出先采用语音增强算法作为去噪预处理部分,再与盲源分离算法相结合的方式进行处理。由于盲源分离的去噪问题具有其特殊性,既要有效抑制噪声对信号的干扰,又要尽量减小有用信号的损失。经过分析对比,本文选择了基于信号子空间的语音增强算法作为盲源分离的去噪预处理部分,对其原理进行了详细的研究,并通过仿真验证了其良好的噪声滤除效果。(3)针对经过去噪预处理的无噪卷积混合语音信号,指出了传统的非正交联合块对角化算法的不足之处,改进了其代价函数,加入非奇异性约束项来规避奇异解,并且借鉴了循环最小化思想来实现代价函数的最小化,得到了分离矩阵的最优解,从而恢复出各个源信号。结合上文的去噪预处理算法,梳理了整个带噪卷积混合语音信号的盲源分离流程。通过数值试验对比了改进算法与传统算法对于奇异解的抑制能力,与传统算法相比,改进算法能够有效避免奇异解的产生。采用改进算法进行带噪卷积混合语音信号的盲源分离仿真实验,结果表明改进算法能够较好地抑制噪声,并且较为准确地将各个源信号恢复出来。与传统算法相比,其串扰误差和均方误差均有明显下降,算法性能明显提高,具备一定的应用价值。