盲源分离是指在源信号和信道参数特征未知的前提下,仅依据观测到的混合信号对源信号进行估计的过程,在声学信号处理和图像处理等方面都有重要的研究意义和实用价值。水声信号与海洋环境噪声之间是相互统计独立的,满足盲源分离的基本假设,所以盲源分离技术可以应用到水声信号处理领域。在频域盲源分离中固有的幅度不确定和顺序不确定对最后的分离结果有很大的影响,如果不能很好的解决这两个不确定问题,可能导致源信号分离失败。本文主要对幅度和顺序不确定问题进行分析和研究,主要工作和研究内容如下:(1)信号混合模型和经典盲源分离算法。描述了两种源信号的混合模型,阐述了卷积混合信号进行频域盲源分离的思路。利用公式推导和仿真实验对经典盲源分离算法的分离效果和运算速度进行比较,总结算法之间存在的差异和优缺点。(2)幅度不确定解决方法。为了使分离信号在每个频点上的幅度与源信号相同或伸缩比一致,研究了最小失真原则和分离矩阵归一化两种调节方法的效果,仿真实验表明在全频域范围内分离矩阵归一化的方法性能更为稳定,而最小失真原则仅在局部范围内得到可靠的调整。(3)顺序不确定解决方法。为了使分离信号在每个频点上得到正确的排列顺序,研究了短时平均幅度和频点距离对相关性的影响。实验结果表明利用短时平均幅度函数得到相关系时,同源信号的相关系数更高,而异源信号的相关系数更低;两个频点间距离越大得到的相关系数的准确性越差。所以利用短时平均幅度和加入频点系数的方法对基于单个频点相关系数的排序方法作了改进,仿真结果表明改进算法可以有效的调整每个频点上的排列顺序。(4)水声信号盲源分离。将复数盲源分离算法和改进的不确定性解决方法整合成完整的频域盲源分离算法,分析水声信号的特点,将频域的盲源分离算法应用到水声信号盲源分离中,实验结果表明改进后的频域盲源分离算法在水声信号处理领域同样适用。