盲源分离(BSS，Blind Source Separation)是指仅从若干观测到的混合信号中提取、恢复出无法直接观测的各个原始信号的过程。独立分量分析(ICA，IndependentComponent Analysis)是盲源分离的主要方法。主分量分析(PCA，PrincipalComponent Analysis)是ICA的预处理和理论前申，也是盲源分离的重要基础。随着研究的深入，盲源分离算法被应用到越来越多的领域，无论是普通的调制信号，还是语音、图像信号等都可以用盲源分离方法进行分离，然而不同信号有着不同的特点，采用不同的盲源分离算法。研究不同算法对不同信号的适用性，不仅有着重要的实际应用价值，也对算法改进有着重要指导意义。　　 直接序列码分多址（DS-CDMA，Direct Sequence Code Division Multi-Access）技术作为个人通信、卫星通信、无线局域网、第三代无线通信系统等领域的重要技术，越来越受到人们的普遍关注，而扩频码的盲估计成为DS-CDMA技术迫切需要解决的问题之一。传统的扩频码和信息码检测技术主要是盲多用户检测法，然而该技术受先验条件的限制，应用范围较窄。盲源分离算法以其特有的优势，在DS-CDMA信号盲估计中显示出越来越重要的作用。然而该技术尚处于初级阶段，仍需进一步深入地研究。　　 因此，本文的研究工作主要包括以下几个方面:　　 第一，细致梳理了一下盲源分离算法的发展历史和研究现状，系统地研究了盲源分离算法理论，并介绍了盲源分离中经常用到的一些基本理论知识，这些知识包括独立分量分析的基本模型、约束条件、基本目标函数和寻优准则等，最后总结了几种常用的盲源分离算法。　　 第二，针对不同信号适用不同盲源分离算法的问题，详细分析了几种不同信号的特点，并分别采用不同的变步长盲源分离算法进行仿真比较，从而得到了不同信号的最优算法。　　 第三，针对混合图像难分离的问题，提出了一种基于小波变换的EASI(通过独立性的等变自适应分离，Equivariant Adaptive Separation via Independence)混合图像盲源分离算法。该算法首先对混合图像信号进行小波变换，然后将变换后的稀疏成分作为新的观测信号，采用基于分离度(SD，Separation Degree)的EASI算法对处理后信号进行盲源分离，最后利用得到的分离矩阵分离原混合信号从而将原始图像恢复出来。该算法不仅分离效果好，而且能快速实现较多图像的混合分离。　　 第四，针对传统盲多用户检测算法受先验条件限制和现有基于盲源分离的DS-CDMA信号盲估计性能较低的问题，提出了一种基于PI(性能指标，Performance Index)变步长的EASI算法应用于DS-CDMA扩频码和信息码的盲估计。该法首先将BSS模型和DS-CDMA模型进行比较，推导出扩频码和信息码分别在盲源分离模型中的对应关系，并用自适应方法估计出混合矩阵从而实现扩频码的盲估计，然后用PI值去改进EASI算法的变步长，最后用这种算法估计出分离矩阵从而实现用户信息码的盲估计。该法只需知道原扩频信号，能有效地克制多址干扰，与其它算法相比性能明显得到提高。　　 第五，针对低信噪比下多用户多径DS-CDMA系统扩频码盲估计的难题，本文提出了一种基于Givens旋转解特征向量扩频码盲估计的新算法。该法在同步接收扩频信号的基础上，首先利用特征分解法获得用户特征向量子空间，然后利用Givens旋转矩阵对子空间特征向量矩阵进行旋转，当定义的载荷矩阵总方差函数达到最小值时停止旋转，从而得到扩频码的最佳估计。该法克服了传统特征分解法估计多用户扩频码序列的缺陷，具有抗多径干扰的能力，在较低信噪比情况下仍能实现很好的检测效果。　　 本文紧密联系盲源分离的最新研究方向，在一定程度上改进和完善了盲源分离算法。对以上提出的新算法都进行了MATLAB仿真和分析，验证了所有算法的有效性和优越性，后两种算法都能很好地实现复杂环境下DS-CDMA系统信号盲估计，具有一定的实用价值和应用前景。