1.一种基于多信道噪声方差估计的BrBCA盲源分离方法，其特征在于，该方法包括以下步骤：S1：接收含噪信号，并进行预处理；

S2：使用迭代方法估计每路信号的噪声协方差；

S3：构建BrBCA模型，将S2得到的噪声协方差代入该模型求解最佳分离矩阵；

S4：利用S3得到的最佳分离矩阵分离待处理信号，完成信号的盲源分离，得到目标信号；

所述S3具体如下：

S3‑1：利用信号对应的主超椭球体和边界超矩形两个几何模型的体积比数学表达式得到BCA模型：基于代数理论，采用改进迭代步长次梯度迭代法求解BCA问题，通过最大化分离信号体积比，获得最优分离矩阵 ；适应度函数如下所示：上式表示在无约束情况下求解能够使此目标函数最大情况下的最佳分离矩阵 ，其中， 为Gamma函数， 表示分离信号的体积， 表示边界超矩形的体积； 表示分离矩阵， 表示信号的个数， 表示求 范数，r取1， 表示求矩阵的行列式， 表示求矩阵的协方差矩阵；

S3‑2：将噪声偏差考虑在内得到BrBCA盲源分离模型：适应度函数如下所示：

S3‑3：利用BrBCA盲源分离模型，输入S2得到的噪声协方差得到信号的最佳分离矩阵。

2.如权利要求1所述的BrBCA盲源分离方法，其特征在于，所述S1中：对含噪信号进行中心化使其均值为零，并计算其协方差，初始化噪声协方差矩阵和混合矩阵；更具体的为：（1）对含噪接收信号中心化使其均值为0， ；

（2）计算含噪接收信号协方差 ；

（3）利用协方差对噪声协方差矩阵 和混合矩阵 初始化，作为迭代算法的输入:，其中 分别表示接收信号和源信号数量。

3.如权利要求1所述的BrBCA盲源分离方法，其特征在于，所述S2具体为：设置迭代算法初始化变量；

设置初始化变量：  ， ；

利用公式计算噪声协方差矩阵和混合矩阵,迭代输出噪声协方差矩阵：步骤1：令 ，对 进行特征值分解，得到特征值对角矩阵 和相应的特征值向量矩阵 ；

步骤2：令 ，计算

；

步骤3：判断噪声协方差矩阵 和混合矩阵 是否收敛至稳定值，若不收敛，，返回步骤1；若收敛则输出噪声协方差矩阵 。