在客观现实中，我们常常对源信号及其混合过程（信道）知之甚少，而只知道感知（混合）信号。我们需要仅从这些感知信号出发，最大可能高质量地获得我们感兴趣的源信号，这就是信号盲处理问题。过去人们主要用ICA及DCA方法进行信号盲分离与盲解卷，但这些方法有明显的局限性。本项目将对目前出现的一种新的方法即信号的稀疏表示方法及其在信号盲处理中的应用进行研究。关于信号的稀疏表示，我们主要研究：1.最优及次优基矩阵的选择与构造；2.稀疏测度的选择与系数矩阵的估计算法。利用稀疏表示方法，我们主要研究信号盲处理中的如下问题：1.几种主要病态瞬时混合及动态混合情形下，信号的盲抽取、盲分离、盲解卷的可解性分析；2.有效算法的建立及算法收敛性、稳定性及鲁棒性分析；3.大噪声环境下Sparse信号的盲抽取与盲分离。同时，我们还要将上述研究成果与研究方法用于脑电信号(EEG)分析，如寻找脑电信号中的源成份，去噪声等。