Το θέμα της κατασκευής ενός συστήματος αναγνώρισης προτύπων για τα ηχητικά σήματα ενός ανθρώπου που κοιμάται είναι ένα από τα ανοιχτά ζητήματα της Βιοιατρικής. Στην παρούσα διπλωματική εξετάζουμε την εξαγωγή ερμηνεύσιμων σημάτων που αντιστοιχούν στον καρδιακό ρυθμό, την αναπνοή και το ροχαλητό. Χρησιμοποιούμε μεθόδους Ανάλυσης σε Ανεξάρτητες Συνιστώσες και μεθόδους Τυφλού Διαχωρισμού που εκμεταλεύονται Στατιστικές Δεύτερης Τάξης. Συμπεραίνουμε ότι οι δεύτερες είναι οι πλέον κατάλληλες όταν συνοδεύονται από ένα στάδιο προεπεξεργασίας που αφορά ανάλυση σε ζώνες συχνοτήτων. / The design of a non-intrusive Pattern Recognition System to estimate the sleep sounds is an open problem of Bioengineering. We use recordings from body-sensors to estimate the heart beat, the breathing and the snoring. In this thesis we examine the effectiveness of Independent Component Analysis for this Blind Source Separation Problem and we compare it with methods that perform Source Separation using Second Order Statistics. We take into account the temporal structure of the sources as well as the presence of noise. Our system is greatly improved by a preprocessing stage of targeted subband decomposition which uses a priori knowledge about the sources. We propose an efficient solution to this problem which is confirmed by medical data.