Fast ICA算法是基于一批已取得的样本数据进行处理，它不适用信道矩阵变化的情况；虽基于自然梯度的Info max法是根据单次观测的样本值来调整分离矩阵，但它仅适合单类信源情况。在信道恒定和变化情况下，仿真比较上述算法的优缺点，同时为解决在线算法中收敛速度和稳态误差的矛盾，提出一种改进的变步长算法。该算法将步长变化与信号的分离程度相联系，根据信号之间的相似性测度变化量自适应地控制步长，最后仿真验证该算法的实用性。