盲信号分离是近十几年新兴起来的一个研究热点,由于盲信号分离在无源声纳系统、雷达系统领域,生物信号处理,图像处理,语音信号处理领域等的广泛应用前景,引起越来越多相关科研工作者的兴趣.所谓盲,即我们仅能知道观测信号,而对信号的传输方式及信号源没有任何先验知识.盲信号分离的任务是仅由已知的观测信号估计传输系统和分离出统计独立的信号源.估计传输系统是盲信号分离的一个中间阶段.盲信号分离有线性和非线性之分.线性盲信号分离又有瞬态混合和卷积混合两类.常规的盲信号分离中要求观测信号的个数不少于信号源的个数,在此情况下问题简化为求混合系统的逆系统问题.当信号源个数多于观测信号个数时,即欠定盲信号分离,由于不存在混合系统的逆系统,而且,即使已知混合系统,我们所得到的源信号的解也不是唯一的,因此,我们要先估计混合系统,其次再估计信号源.本文重点讨论线性瞬态欠定盲信号分离问题,简称瞬态欠定盲信号分离.本文从以下几个方面较为系统的讨论了瞬态欠定盲信号分离问题.首先,本文讨论了欠定盲分离问题的盲可辨性和最小L1范数解的性能,并对最大近似似然类的算法做一综述.其次,本文针对现有大多数近似似然算法不适合高维数据的情况,介绍了一种对高维数据有效的基于准正交原理的欠定盲估计算法,并用于成功解决了无噪声情况下的欠定混合语音信号的盲分离,以及分析了该算法的优点和缺点.最后,提出了一种适合于噪情况下高维欠定盲信号分离算法,并给以详细的性能分析.该算法中利用一种近似的混合高斯密度模型所得到的近似似然函数代替第三章算法中的近似似然函数,实验结果证明该算法能有效用于噪声中的欠定盲分离问题,比前一种算法有更好的估计效果.