盲源分离问题最早可以追溯到1986法国学者Jeanny Herault和Christian Jutten在美国犹他州举行的Neural Network for Computing会议上作了一篇题为Space or time adaptive signal processing by neural network models的研究报告，提出了递归神经网络模型和基于反馈亏神经网络构成Hebb学习律的学习算法，实现了两个独立源信号的盲分离[3]。虽然该方法不能实现多余两个源信号的分离，但是Herault和Jutten的工作让学者们意识到盲源分离的开阔的应用前景，打开了信号处理领域一扇崭新的大门。由此盲源分离问题得到了相关领域内学者们的广泛关注。26756
此后的20多年中，在信号处理理论和技术的快速发展的背景下，盲源分离问题已逐步成为该领域研究的热点，学者们也随之不断加深对其的研究工作，理论和实际应都得到了很大的进步。1993年，Cardoso提出了基于高阶统计的联合对角化盲源分离方法，并应用于波束形成技术[4]。1994年，由Comon最早提出了有代表性的基于最小互信息的ICA方法，他系统分析了瞬时混合信号的盲源分离问题，同时引入了独立分量分析这一概念，界定了解决BSS问题的ICA方法的基本假设条件[5]。他提出利用Kullbak-leibler准则作为对照函数，用高阶近似概率密度函数的方法来得出对比函数。Comon对盲源分离的研究贡献，让其发展有了一条清晰的道路，并且让之前学者们提出的新的算法或优化不再缺乏理论依据[6]。几年之后，芬兰学者Hyvarinen和Oja等人基于源信号非高斯性峭度，提出了Fixed-Point算法，或者称为FastICA算法。该类算法具有较快的收敛速度来提取单个具有正或负峭度的源信号，因此在大规模数据处理中得到了广泛应用[7]。到目前为止，标准的ICA算法已经较为完善，如有FastICA算法、扩展infomax算法、EASI算法等。数字信号处理方面的理论和技术不断发展，使学者们对这方面的研究也变得愈加广泛深入，因而近些年来又有许多新的算法被提出。例如Douglas等人提出了Spatio-Temporal FastICA算法，它与时域算法相结合，利用多通道自适应分离滤波器来得到预白化的数据，同时估计混合矩阵的阶数，从而进行盲源分离；Tichavsky等人提出了BARBI算法，它是一种近似牛顿算法，因此在高文情况下收敛速度很快且算法的计算循环的代价也很小，在分离分块平稳高斯自回归过程的瞬时线性组合时，该算法也有显著效果；Tan、Wang等人提出了基于Genetic Algorithm的盲源分离算法，通过Genetic Algorithm来最小化信号的非线性混合度，最终实现盲源分离[8]。论文网
20世纪90年中期开始，国内信号处理领域的研究人员也紧跟着国际盲信号处理的研究动态，积极地开展了这方面的研究工作，为领域注入了许多新鲜的血液。国内较早开展盲信号处理理论和应用技术研究的是何振亚教授，在基于特征分析和高阶谱的盲源分离和盲反卷积方法中提出了一系列新的基于高阶统计和信息理论的判据和算法，在盲系统参数估计和盲波束形成等方面也取得了很多优秀的研究成果[9]。凌燮亭教授利用反馈式神经网络根据Hebbian的学习算法，实现了近场情况下一把信号的盲分离，并对算法的渐进收敛性和实现信号分离状态的稳定性进行了讨论[10]。吴小培、冯焕清等研究了在脑电信号处理中ICA的应用。从2000年后，越来越多的学者开始关注该领域，开展了ICA理论和应用研究，并创新性地在其各自的研究领域，加以融合盲源分离理论创造出很多新方法，因此国内盲源分离理论研究的发展得到了大力的推动。与此同时，国内相继成立了一些用来研究盲源分离理论相关的研究小组，也借助网络的平台在学术论坛上开辟了讨论这些问题的专版，数本较系统性地介绍盲源分离理论的书籍也相继出版。这些都大大方便了国内学者之间的交流与讨论，从而促进盲源分离研究的发展。 盲源分离国内外研究现状:http://www.youerw.com/yanjiu/lunwen_21030.html