提出一种基于盲源分离（BSS）从多角度投影提取出任意深度聚焦层的数字乳腺层析合成摄影（DBT）重建算法。首先，通过DBT成像设备采集乳腺的多角度投影，并对投影进行校正、对数变换等预处理工作；然后以中心投影为基准，根据成像几何将多角度投影通过位移聚焦到所选的重建深度z处；最后，将位移后的多角度投影视为由一个聚焦层内信息和若干层外信息构成的线性组合，进而通过BSS将聚焦层信息分离出来，由此快速重建出乳腺厚度范围内任意深度z处的层面。以中心投影为参考，将位移叠加（SAA）法、滤波反投影（FBP）法、最大似然期望最大化（MLEM）3种当前DBT重建的主要算法与所提重建算法进行比较，4种算法对原投影的噪声污染的改善程度分别为13.4%、18.8%、88.5%、73.6%，图像对比度分别下降83.7%、81.4%、74.6%、10.7%，与中心投影的特征相似性分别为0.841、0.866、0.861、0.886，结构相似性分别为0.596、0.594、0.628、0.787，伪影扩散平均值分别为0.571、0.254、0.189、0.146。此外所提算法的重建速度小于SAA、FBP，但比采用2次迭代的MLEM高56.0%，因此所提算法在降低噪声、保持细节、抑制伪影、重建速度方面的综合性能优秀，且随着BSS技术和计算机硬件水平的快速发展而不断提高其分离重建性能，因此所提算法是一种实用性强、极具发展潜力的DBT重建算法。

针对脉冲多普勒(PD)雷达抗主瓣压制干扰问题, 提出两种抑制算法。第一种算法基于波束域盲源分离(BSS)抑制思路, 通过对相参积累后的多波束回波进行降维, 构造待分离信号, 并以瑞利熵为指标识别分离后的源信号。第二种算法基于相关滤波抑制思路, 以一个波束回波为匹配信号, 对另一个波束回波进行相关滤波, 再通过逆操作得到抑制后的波束回波。仿真试验验证了所提两种算法的有效性。

针对复杂战场环境下舰载雷达间容易出现同频干扰的问题，提出一种基于改进乌鸦搜索算法的独立分量分析方法来分离同频信号。首先，利用反向学习策略、动态感知概率、黄金正弦算子、莱维飞行改进乌鸦搜索算法，提高算法的寻优性能与收敛速度；然后，将改进乌鸦搜索算法与独立分量分析法相结合，以峭度为目标函数，使用改进乌鸦搜索算法去寻求分离同频信号的最优分离矩阵；最后，利用该矩阵对接收的混合信号进行分离。仿真结果表明，基于改进乌鸦搜索算法的独立分量分析法能较好地分离雷达同频信号，达到抗同频干扰的目的。

在通信侦察中, 多通道盲源分离算法是分离信号的常用算法, 但有时会出现分离效果不理想的情况。通过理论分析和仿真验证, 研究了固定点算法(FastICA)、信息最大化算法(Informax)、等变自适应分解算法(EASI)等常用多通道盲源分离算法在通信信号侦察中的分离性能, 分析了信噪比、信号间强度比、信号相对到达方向等对多通道盲源分离的影响, 为盲源分离的应用研究和算法的选择提供依据。

针对快速独立分量分析（FastICA）算法提取多个同频混叠信号时的初值选择敏感性和收敛性能差的问题，提出了一种双松弛因子改进的FastICA（DLM-FastICA）算法。先在牛顿迭代法中引入双松弛因子，通过自适应调节分离矩阵的组合系数得到最优权值分离矩阵，从而改善FastICA算法的初值敏感性；再利用改进的FastICA（M-FastICA）算法的快速收敛特性提取信号，提高算法的分离精度和收敛速度。仿真结果表明，该算法使得提取信号与源信号的相似系数达到0.9，同时迭代次数较原算法减少近40%，具有更加快速、稳定的提取性能。

频谱弥散(SMSP)干扰是一种针对线性调频(LFM)信号雷达的有源干扰, 它在时域和频域上与LFM信号高度相似, 当干扰信号从主瓣进入时, 雷达更难以探测目标。采用混合极化天线接收系统, 并结合干扰信号在相邻脉冲重复周期之间的差异, 利用时域通道和极化域通道联合得到的时域极化域联合通道来获得混合信号, 应用盲源分离算法分离出目标信号和干扰信号, 最后通过脉冲压缩来获取目标信号, 从而达到抗干扰的目的。仿真结果表明, 这种方法能够很好地从混合信号中提取目标信号。

针对草原土壤属性高光谱监测过程中地表枯落物对土壤光谱建模精度的影响。 以呼伦贝尔典型草原土壤光谱为研究对象, 通过室内模拟光谱实验及野外光谱实测验证, 分析混合光谱特征, 揭示枯枝落叶层对土壤光谱影响的规律, 提出了基于光谱相似值约束下的盲源分离ICA算法, 对混合光谱进行解混, 削减枯枝落叶层对土壤光谱的影响。 结果表明, (1)随枯枝落叶盖度增加, 光谱纤维素吸收指数(CAI)增加, 呈二次回归递增趋势, 可有效检验混合光谱中枯枝落叶的覆盖程度； (2)混合光谱在700 nm跃迁波段有明显的斜率陡增现象, 并在1 680及1 754 nm处存在微弱的木质素吸收特征, 在2 100 nm附近处出现强吸收特征； (3)优化后的BSS-ICA算法可有效分离枯枝落叶同土壤的混合光谱, 进而提升野外光谱估测有机碳含量的精度, 分别利用偏最小二乘回归(PLSR)、 支持向量机(SVM)及随机森林(RF)对解混前后光谱建立预测有机碳预测模型； 其中SVM模型预测精度最高, 预测集的R2从0.71提高到0.75, RMSE从4.82 g·kg-1降低到4.50 g·kg-1。 通过实验研究对定向去除外部环境参数中的地表枯枝落叶层对土壤高光谱影响进行了实证, 并通过野外实测数据验证解混算法的有效性, 为完善野外原位光谱数据反演及监测土壤理化属性提供理论依据。

针对卫星多径信号引入的干扰问题,建立了卫星多径干扰信号盲源分离模型,采用基于降维Householder变换的特征矩阵联合近似对角化(JADE)算法对接收的混合信号四阶累积量进行联合近似对角化,从而提取多径信号。实验结果表明,本算法能很好地分离频谱完全重叠的多径信号和部分重叠的干扰信号;在提取多径信号方面,本算法的性能优于快速独立成分分析(FastICA)算法;在运行时间上,FastICA算法运行1000次的平均时间约为采用Givens旋转的Cardoso高阶累积量特征矩阵联合近似对角化(CG-JADE)算法的6倍,而本算法比CG-JADE算法的平均运行时间少0.0024 s,证明了本算法的有效性和快速性。