语音混合信号盲分离是指在源信号分布与混合通道参数均不知晓的情形下,仅根据所观测到的混合信号及源信号间统计独立的假设来恢复源信号的过程。因其在语音识别系统、计算机听觉、移动语音数据通信以及电视电话会议中具有广泛的应用前景,近年来日益成为信号处理领域的研究热点之一。相对而言,语音信号瞬时混合的盲分离技术已较为成熟,但由于时延与回响的存在,实际环境中的语音信号不再是瞬时混合的,而是卷积混合的,要进行分离难度比较大,国内外许多研究者正针对这个问题展开研究。本文阐述了语音信号盲分离的基本理论,探讨了瞬时混合模型与卷积混合模型下语音信号盲分离的主要算法。特别地,利用了独立向量分析模型来处理卷积混合模型的频域盲分离问题,得到了独立向量分析的自然梯度算法。重点针对独立向量分析自然梯度算法收敛速度比较慢的问题,首先根据迭代步长与被估计代价函数变化的关系,提出了一种基于最速步长下降的变步长独立向量分析梯度算法；然后根据迭代步长与待求分离矩阵变化的关系,提出了一种基于估计函数的变步长独立向量分析梯度算法。人工混合语音信号与实录语音信号的盲分离实验验证了上述方法的有效性。结果显示,相比于独立向量分析自然梯度算法,提出的两种变步长独立向量分析梯度算法都能够有效的实现混合信号的盲分离且具有更快的收敛速度。