在当代通信系统中,信号的基本形式往往表现为未知或只知少量先验知识,而通信信号往往体现为多路信号的混合,这种混合信号具有非平稳性、非线性以及非协作特性。正是由于这种复杂信号模型形式,使得对于混合信号的观测、特征值估计、分离与提取变得十分困难。因此,本文研究了基于信号相关原理的语音信号盲源分离技术,以达到在混合语音信号中,多路语音信号的有效分离。论文研究了混合语音信号的预处理方法,并深入分析了盲源分离技术的理论基础。由于混合语音信号在时域中通过卷积处理方式实现分离算法十分复杂,因此论文从频域卷积盲源分离角度入手进行盲源分离方法的研究。论文首先从混合语音信号的频域短时傅里叶变换入手,把时域卷积混合盲源分离问题转换为频域各频点上的瞬时混合盲分离问题,再利用传统瞬时算法,减少了混合盲信号分离过程中的计算量。其次,由于频域算法会引入排序不确定性问题,因此,论文研究了语音信号经过短时傅里叶变换后在每个频点上分离信号的特征,通过分析传统相邻频点幅度相关性排序方法,提出了一种针对传统方法中分离不理想频点的利用门限值判断的幅度相关排序的改进算法。仿真结果表明本文提出的基于门限法的改进算法能够有效地提高盲源分离的有效性。最后,论文还针对高相关性信号在排序过程中稳健性差的问题,研究了一种基于F-范数距离的改进K-means算法,实现对分离子信号的再排序方法,以提高排序过程中的稳健性。