跳频信号由于其低截获概率、强抗干扰性以及较高的保密性而被广泛的应用在各大通信领域中,尤其是在通信侦察领域。然而在进行通信侦察时,需要先从接收到的混合信号中提取出所需的信号,才能对信号进行分析、定位、参数估计等操作,所以关键是如何从混合信号中分离出所需信号。盲源分离技术可以实现从混合信号中分离出各路信号,进而可以有效的解决通信侦察中的问题。在实际的应用场景中,由于环境、终端移动等因素的影响,信号的混合参数是变化的,即混合矩阵是时变的,因此,本文针对时变信道下跳频信号的盲分离算法进行了研究,主要研究工作如下:(1)针对超定条件下时变信道跳频信号的盲分离,本文在EASI算法的基础上进行了改进。当源信号的各分量的能量有较大差异时串音误差并不能很好的表征算法的分离性能,为此,本文根据EASI算法的收敛条件构造了信号的分离指标,进一步描述算法对源信号的分离性能,并通过该分离指标以及串音误差共同来调节算法的步长。为加快信号的分离速度,在迭代前期算法以较大步长值进行,在算法收敛到平衡点后为捕捉较小数据,提高算法的稳定性,算法以较小的步长继续进行迭代。为避免算法陷入局部最优,引入了动量项,实验仿真表明,本文所提算法相比传统算法提高了收敛速度并且改善了算法稳态误差性能。(2)针对欠定条件下时变信道跳频信号的盲分离,本文采用SCA方法进行研究,在估计出混合矩阵的基础上,进行源信号的分离。为满足该方法稀疏性的要求,本文将信号变换到时频域进行分析处理,利用单源时频点对混合矩阵进行估计,为提高单源点的筛选精度,采用Gabor变换将跳频信号变换到时频域。对于信号中的噪声点,本文利用Hough变换对跳频信号的时频图案进行线段检测,滤除噪声点。对保留的时频点利用单源点的检测标准进行筛选,筛选后构建观测信号的时频比矩阵,针对时变混合矩阵,定位出其变化时刻,并对时频比矩阵进行划分,估计各个时间段内的混合矩阵列矢量,针对列矢量与源信号不匹配的问题,利用估计出的源信号入射角对各列矢量进行重新排列,得到最终估计的混合矩阵。实验仿真结果表明,该方法的在源信号估计数目的准确率与混合矩阵估计的精度上均有不错的效果。(3)针对欠定条件下时变信道跳频信号的恢复,采用子空间投影算法对源信号进行分离,针对该算法预设源信号个数而引入噪声的问题,设定阈值来滤除时频域中的离散噪声;在时频域分离出信号后,通过短时傅里叶逆变换将源信号从时频域转换回时域,恢复出时域的跳频源信号,实验仿真结果表明该算法对源信号的分离效果较好。