负熵是一种重要的非高斯性度量方法，最大化负熵使随机变量的非高斯性达到最大，从而使输出的各分量之间相互独立。负熵最大化算法以负熵作为目标函数，牛顿迭代法作为优化算法，针对牛顿迭代法中对初始值选择敏感的问题，用牛顿下山法代替牛顿迭代法，通过改变下山因子，使目标函数呈下降趋势，降低算法对初始值的依赖性。实验结果表明，改进后的算法在不同初始值下均能较好地分离语音音乐混合信号，改善了初值敏感问题。