盲信号分离技术是当今信号处理领域的一个研究热点。混合语音信号的分离是该技术的研究初衷,也是信号处理领域中的一个难题。独立分量分析(ICA)是在研究盲源分离过程中出现的一种新兴的盲分离技术。目前已有不少学者提出了多种有效的标准ICA算法,但是大多都不考虑环境噪声的影响。　　本文在研究并仿真了最常用的两种ICA算法的基础上,结合ICA技术,提出了基于小波变换和ICA的混合语音的盲源分离算法。　　本文工作主要反映在以下几个方面:　　⒈通过主分量分析(PCA)把欠完备ICA问题变换成标准ICA问题。在分离标准情形下的带噪混合语音时,先采用小波变换对各个混合语音进行消噪处理,再用标准ICA算法对处理后的语音进行分离,最后根据分离信号的特点,对其进行再消噪处理,最终就得到了源信号的估计。实验结果表明了其良好的分离性能。　　⒉对于超完备(Overcomplete)ICA问题,提出了一个基于小波变换和ICA的Overcomplete ICA方法,该方法利用离散小波变换和最短路径法以及自然梯度法,提出了一种由两个并行的子Overcomplete ICA过程组成的混合系统。实验结果表明,该方法可以很好地分离超完备情况下的混合语音数据。　　⒊探讨了频域盲分离算法中两个不确定性问题及其解决方法、实际环境下的混响强度与快速傅立叶变换(FFT)长度之间的关系,研究表明,并非越大长度的FIR滤波器能取得更好的分离效果。　　另外,本文还对下一步的研究工作进行了探讨,提出了几个可行的进一步的研究方向。