盲信号分离问题是目前信号与信息处理领域中一个重要的研究方向。从80年代起的针对多源分离问题到现如今在语音识别、图像处理、生物医学信号处理、通信等各个方面的广泛应用，盲信号分离技术吸引了众多领域专家的关注。目前，该研究大致可以分为两类：1、盲信号分离的基本理论和算法研究；2、盲信号分离的应用研究。本文首先回顾了盲信号分离问题的发展历史和研究现状，并对盲信号分离问题的基本理论进行了论述，包括盲信号分离问题的可行性、数学模型和分离准则。然后针对盲信号分离问题的多种典型算法进行了深入研究，提出了基于免疫算法的盲信号分离算法，并在C6713DSK硬件平台上实现了该算法。本文的创新工作归纳如下：一、针对传统的盲信号分离算法存在着容易陷入局部最优解、收敛速度慢的缺点，本文将免疫算法(Immune Algorithm)这种拟生态学的优化方法应用于盲信号分离算法的优化阶段。免疫算法是抽取了生物免疫系统独有的自适应、自组织、多样性、免疫记忆等进化学习机理形成的新信息处理技术，是计算智能领域继人工神经网络和进化计算之后的又一研究热点。仿真结果表明，本算法结合了IA收敛速度快、收敛精度高等优点，在一定的群体规模和进化代数下，能够快速、有效地对亚高斯，超高斯以及二者的混合信号进行有效分离。二、以TI公司的32-bit浮点C6713 DSK为硬件平台，实现了基于免疫算法的语音盲信号分离。本系统的软件设计方面主要分为三个部分：DSP的初始化程序、中断服务程序和盲信号分离程序。同时针对盲信号分离算法的运算量大的问题，对C代码提出了一些优化措施，包括使用编译器选项和循环展开等。实验结果表明，优化后的盲信号分离算法能够在一定程度上降低算法的运算量，并能得到很好的分离效果。