盲信号处理的发展现状

盲源分离技术最早在上个世纪中期提出，在1991年Herault和Jutten提出基于反馈神经网络的盲源分离方法，但该方法缺乏理论基础，后来Tong和Liu分析了盲源分离问题的可辨识性和不确定性，Cardoso于1993年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。

1994年Common将主分量法PCA加以扩展成为独立分量分析法，并正式提出了独立分量分析这一概念，提出了基于最小互信息量的独立分量分析方法。1995年Bell和Sejnowski提出了基于熵最大思想的盲源分离方法。1996年，B.A.Pearlmutter在独立变量分析（ICA）中引入以最大似然估计为准则的目标函数，提出了一种ICA的改进的算法。1997年，D.T.Pham和P.Garat对先前提出的基于最大似然准则的算法的性能进行进一步讨论。1997年Hyvariene等人根据峰度的概念提出了基于独立分量分析的快速分离算法FastICA。Armari于1998年提出了自然梯度算法口司，大大加快了算法的收敛速度。随着盲源分离的深入研究，研究范围不断拓展，一些学者开始研究相关源信号的盲分离问题，提出了时一频分析方法。2004年Yuan Zhijian和ErkkiOja提出了一种非独立分量分析的FastlCA算法。

参考文献

近年来，状态空间法得到了逐步的发展，它从控制工程的角度重新描述混合矩阵和解混矩阵，转换了盲源分离的研究思路。