盲信号处理技术是最近一段时间兴起的一个新的研究领域，它在实际中有着非常广泛的应用，盲信号源分离是盲信号处理技术的一个研究方向。盲分离是指在不知道源信号的特征，而且也不知道信号在传输通道中的混合过程，只假设源信号是相互统计独立的情况下，从观测信号中分离出源信号的技术。本文研究瞬时混合情况和卷积混合情况下的自适应盲分离算法。 盲分离算法需要用到高阶统计量，互累积量迫零法是一种直接利用高阶统计量的自适应盲分离算法。本文介绍了高阶累积量，通过互累积量的性质阐述了算法的基本思想，分析了算法的稳定性能，对算法进行了仿真，指出了算法的不足。 Infomax算法是另外一种自适应盲分离算法。Infomax算法通过引入非线性函数来引入高阶统计量，并利用信息论的基本知识推导出了盲分离算法。Infomax算法适用于瞬时混合情况下的盲分离和单通道盲解卷积问题，本文将Infomax算法推广到多通道卷积混合，对算法进行仿真，取得了不错的效果。 自然梯度下降法是一种新的最优化方法，自然梯度下降法是在黎曼空间下提出的，自然梯度相比于标准梯度有很多优点。自适应盲分离算法中的系数空间是黎曼空间，本文将自然梯度下降法应用于Infomax算法可以改进算法的性能，有利于算法的数值稳定性和提高算法的收敛速度。针对基于自然梯度算法的特殊结构，还详细分析了算法的性能，包括稳定条件，步长因子和非线性函数对算法的影响。 将盲分离算法应用于实际是最根本的目的。本文通过用盲分离算法对水池实验数据进行处理，初步探索了盲分离在水声环境下的应用，并得到了在水声环境下应用盲分离算法的一些结论，指出了以后需要改进的地方。