盲信号处理是信号处理研究领域近年来一个高速发展的分支,其中的盲源分离研究因其在语音信号处理、通信和医学信号处理等的潜在应用而受到越来越多的重视.该文的研究重点包括盲源分离及其优化算法——量子遗传算法,课题研究具有重要的理论价值和应用价值.其主要研究内容和创新之处包括:(1)盲源分离的瞬时混叠模型研究.首先研究了盲源分离的瞬时混叠模型;在基于信息论理论的盲源分离算法研究中,讨论了负熵最大化的盲源分离准则,提出了基于最速下降法和牛顿迭代法的独立分量分析快速算法.(2)量子遗传算法研究.首先介绍了量子计算的理论基础,对量子遗传算法进行了改进,并从理论上证明了算法的全局收敛性.(3)量子遗传算法在盲源分离瞬时混叠模型中的应用研究.将量子遗传算法和多宇宙并行量子遗传算法应用于盲源分离瞬时混叠模型,提出了一种基于量子遗传算法和独立分量分析的盲源分离新算法,仿真结果表明了采用量子遗传算法的盲源分离算法的分离效果和运算效率优于采用常规遗传算法的盲源分离算法.(4)非线性盲源分离算法研究.介绍了非线性盲源分离的网络结构,讨论了非线性盲源分离的可分离性和解的不唯一性,提出了基于输出信号联合累积量的非线性盲源分离准则和基于该准则与量子遗传算法的非线性盲源分离算法.算法较好地解决了现有非线性盲源分离算法分离效果较差的难题.(5)多通道盲反卷积算法研究.