在现代商用航空飞行器上,舱音记录器(CockpitVoiceRecorder,CVR)是必不可少的机载设备。当事故发生后,对事故调查员而言,CVR记录的驾驶舱声信号如开关按钮声、操纵手柄声和警告声等,是重要的信息来源。针对许多重要的CVR所记录的混合信息凭人耳无法辨别的情况.本文结合盲源分离(BlindSourceSeparation,BSS)的基本思想,对CVR背景声音信号进行了盲分离算法研究,从未知源信号及未知源信号混合方式的CVR混合信号中,提取出有用、对事故调查起关键作用的源信号,这对确定事故原因和飞行安全都有着重要的意义。本文的主要工作如下:　　 首先,简要介绍了CVR的特点和国内外研究现状,分析了独立分量分析(IndependentComponentsAnalysis,ICA)的基本原理,阐述了ICA的估计原理及算法的典型评判指标,并介绍几个目前比较成熟的ICA算法。　　 其次,本文深入研究了自然梯度算法(NuartalGradientAlgorithm,NGA)。在该算法基础上,引入不完整基可以避免了因源信号非平稳或幅值快速变化而引起的数值不稳定现象。本文利用广义高斯分布模型模拟不完整自然梯度算法中的非线性函数,使该算法适用于服从任意分布源信号的方法。仿真研究结果表明,上面给出的算法不但可以有效地将CVR记录的混合声信息中的独立声音信号分离出来,而且具有较为优越的分离效果。　　 然后,本文针对实际CVR信号数据量大而时变性的特点,给出一种改进的盲分离算法。首先应用上一部分给出的改进的在线算法动态分段处理,再通过快速的FastICA算法进行精确化求解,同时为了使估计器获得最佳性能而适当调整分离矩阵各行权值。仿真实验表明,经过这些改进使得算法不但具有很好在线性能,同时也具有优于目前常规批处理算法的分离精度。　　 最后,通过研究比较不同算法对真实CVR声信号分离性能,表明本文研究的动态分段盲分离算法具有更好的分离效果,且具有一定通用性。