1.一种单通道时频重叠信号盲分离方法，其特征在于：包括以下步骤：步骤一，建立信号模型，将接收到的混合信号转换成由若干个高斯调幅源信号组成；

步骤二，计算混合信号的联合最大似然函数，将混合信号的求解过程转化成求解多维变量参数的过程；

步骤三，根据信号特性，预估各个源信号的时域中心和时宽调制参数；

步骤四，计算多维变量参数的初始值；

步骤五，计算多维变量参数的最优值；

步骤六，计算高斯调幅源信号。

2.根据权利要求1所述的单通道时频重叠信号盲分离方法，其特征在于：所述步骤一中，将接收到的混合信号x(t)转换成由M个高斯调幅源信号组成，表达式如下：其中， 表示各个源信号分量的幅度调制系数，t0表示各个源信号分量的时域中心，ωi表示各个源信号分量的时宽，P为各个源信号分量时宽的调制参数， 为各个源信号分量的载频，θi表示各个源信号分量的初相位，t为瞬时时间，j为虚数的虚部单位，f0为各个源信号的中心频率。

3.根据权利要求1所述的单通道时频重叠信号盲分离方法，其特征在于：所述步骤二中，设定多维变量参数λ的表达式如下：其中， 表示各个源信号分量的幅度调制系数，t0表示各个源信号分量的时域中心，ωi表示各个源信号分量的时宽，P为各个源信号分量时宽的调制参数， 为各个源信号分量的载频，θi表示各个源信号分量的初相位；

则，混合信号x的联合最大似然函数的表达式为：

其中，N为采样点数，Q为总的采样点数，，σ为噪声的标准差，Ts为信号的采样间隔，y为若干个模型信号瞬时混合构成的估计时所用的信号，x表示接收到的混合信号。

多维变量参数λ的最优值表达式为：

4.根据权利要求1所述的单通道时频重叠信号盲分离方法，其特征在于：所述步骤三中，将接收到的混合信号x(t)的数据代入下列表达式中，求出各个源信号分量时宽的调制参数P和各个源信号分量的时域中心t0的预估计值 和其中，t表示瞬时时间，f0表示各个源信号的中心频率。

5.根据权利要求 1所述的单通道时频重叠信号盲分离方法，

其特征在于：所述步骤四中，将设定的多维变量参数λ的表达式，

中的P和t0分别用 和 代

替，其中， 表示各个源信号分量的幅度调制系数，t0表示各个源信号分量的时域中心，ωi表示各个源信号分量的时宽，P为各个源信号分量时宽的调制参数， 为各个源信号分量的载频，θi表示各个源信号分量的初相位；同时，采用二进制对多维变量λ进行编码，完全随机生成m定长的二进制串作为群体规模为m的初始种群，λ中每个变量的变化范围为[λminλmax]，用q位二进制数p来表示，则有：这里的b和后面反射、压缩和扩展系数那个b用相同了，改掉。

根据个体适应度值的表达式 计算每个个体的适应度值，其中，xj为个体，x为混合信号，然后对个体进行遗传操作，得到新的种群后，进行另一轮运算，当最大迭代次数大于50时，输出的参数为多维变量参数λ的初始值X0，否则，重新计算个体适应度值后进行遗传操作。

6.根据权利要求1所述的单通道时频重叠信号盲分离方法，其特征在于：将多维变量参数λ的初始值X0作为搜索的初始点，利用给定的单纯形的顶点函数值大小，确定单纯形函数的最高点和最低点，通过的反射、扩展及压缩操作构成新的单纯形，当估计值与混合信号的绝对误差E小于1e-6时，输出的解X1为多维变量λ的最优值；

绝对误差的计算表达式为E＝|xj-x|，其中，xj为个体，x为混合信号；

反射、压缩和扩展系数为a，b，c均为常数，则反射、压缩和扩展操作分别为：其中，n为变量的维数，k为迭代次数， 表示单纯形形心的函数值， 分别表示经过反射、压缩、扩展之后的函数值，x(k)h表示反射之后的函数值与第(n+1)点处函数值中的最小值。

7.根据权利要求1所述的单通道时频重叠信号盲分离方法，其特征在于：将多维变量参数λ的最优值X1中的参数代入源信号表达式：即可求出各个高斯调幅源信号，其中， 表示各个源信号分量的幅度调制系数，t0表示各个源信号分量的时域中心，ωi表示各个源信号分量的时宽， 为各个源信号分量的载频，θi表示各个源信号分量的初相位，t为瞬时时间，j为虚数的虚部单位，f0为各个源信号的中心频率。

8.根据权利要求5所述的单通道时频重叠信号盲分离方法，其特征在于：所述遗传操作包括选择复制、交叉和变异操作，其中，进行选择复制和交叉操作的个体的概率大于进行变异操作个体的概率。