独立分量分析技术以非高斯源信号为研究对象,在统计独立的假设下,对多路观测到的混合信号进行盲信号分离,已广泛应用于无线通讯、生物信号提取、语音信号处理、图像处理和噪声抑制等领域。本论文首先介绍了独立分量分析的基本原理。以此为基础,在盲信号分离的瞬时线性混合模型和卷积混合模型下,对独立分量分析算法进行了研究,主要工作如下:1.在瞬时线性混合模型下,详细讨论了改进H-J算法。在Herault和Jutten (H-J)算法的基础上,通过推导,并应用自然梯度,导出了改进的H-J算法,且讨论了它们的等变化性。2.结合上述模型,研究了快速固定点算法。先分析了一次分离出一个源信号的单源定点算法,然后导出了分离多个源信号的算法。3.在卷积混合模型下,从时域和频域对卷积混合信号ICA算法进行了研究。在时域,运用同时正交化多延时相关矩阵建立对比函数,用Frobenius范数最小化对比函数得分离算法。在频域,研究了卷积混合信号的频域盲分离算法,重点分析了算法中存在的分离信号排序不确定性和幅度的不确定性问题。4.结合上述卷积混合信号的频域分离算法,研究了一个改进单源算法,将复数快速固定点算法应用到频域加速收敛,为了防止算法收敛于同一信号,利用一种抽气技术,这样可一次分离出一个信号,实现卷积混合信号分离。以上算法的有效性均以计算机仿真实验给予验证。