ICAに基づくBSSは，周波数領域において分離行列を推定する 周波数領域ICA（Frequency-Domain ICA: FDICA） と時間領域において分離フィルタを推定する 時間領域ICA（Time-Domain ICA: TDICA）に分類される． 一般に，TDICAにおいては， 分離フィルタの反復学習における低収束性により， 長い残響時間を有する混合系へ適用することは非常に困難である． また，FDICAにおいても， 帯域分割数を過度に増やすと 狭帯域信号間の独立性の仮定が成立しなくなるという問題により， 長い残響を含む音の分離は困難であることが確認されている．
本論文では，実（残響）環境下における高精度なBSS を実現するために，FDICAとTDICAとを統合した多段ICA （Multistage Independent Component Analysis: MSICA）に 基づくBSS手法を提案する． MSICAにおいては，FDICAによって分離された信号を TDICAの入力とみなし，FDICAにおける残留クロストーク成分を TDICAによって分離することによりTDICAやFDICAが有する問題を解決する． 通常の室内残響環境下での音源分離実験より， MSICAによる音源分離性能はTDICA及びFDICAに比べ， SN比に関してそれぞれ 6.2 dB及び2.7 dB 改善されることが分かった． よって，実（残響）環境下において，MSICAに基づくBSSは TDICA及びFDICAに基づくBSSよりも有効であることが確認された．