FastICA算法有着比传统ICA算法更快、更稳健的收敛速度，但由于其选用的非线性函数不能很好地符合源信号的统计特性，恢复结果并不理想。针对该问题，提出了一种有限支持样本核函数（FSS-kernel）与FastICA融合的盲源分离算法。该方法是通过FSS-kernel算法估计得出源信号概率密度函数，结合FastICA算法，实现混合信号的盲分离。仿真结果表明，该方法能够有效地完成混叠信号的分离，通过与传统ICA算法及FastICA算法比较，证明了该方法具有更高的分离精度和自适应能力。