单通道混合信号分离是盲源分离(Blind Source Separation,BSS)的一种,是目前信号处理领域的一个研究热点。盲源分离是在先验信息极少,并且信道不明的情况下,根据已知的观测信号分离得出源信号的过程。用于解决线性正定问题的盲源分离算法已经成熟,而欠定和单通道技术还在发展中。单通道盲分离问题虽然是欠定盲分离问题的一种情况,但是欠定分离的算法对单通道的解决效果不佳,有的分离出的信号与源信号相关性太差,甚至不能完成分离。因此,本文的研究着眼于单通道盲分离,对单通道盲分离展开以下的研究工作:(1)经验模态分解算法(Empirical Mode Decomposition,EMD)分解的本征模态函数的个数不能确定,而且容易出现模态混叠,因此基于EMD分解的单通道盲源分离算法存在不稳定性。针对该问题,选择用变分模态分解算法(Variational Mode Decomposition,VMD)代替EMD算法,将单通道转换成虚拟多通道,使得欠定的病态问题转换成正定的一般问题。最后利用独立分量分析(Independent component analysis,ICA)算法分离获得源信号。仿真实验说明该方法可以有效地分离出源信号,与EMD分解方法相比更具稳定性、有效性。(2)非负矩阵分解算法(Nonnegative Matrix Factorization,NMF)对欠定问题的解决效果较好,尝试将其应用于单通道盲源分离,由结果可知其分离的结果不太稳定,受信号的特征影响较大,与源信号的相关性不是很高。本文对该方法进行改进,提出基于VMD的NMF算法。该算法在一定程度上提高了源信号与分离信号的相关度,有一定的普适性。本文主要针对以上两个方面内容展开了研究,并运用大量的数学模型和对比仿真实验证明了这些算法的可行性和有效性。