Cette thèse présente trois algorithmes de séparation de sources. Le premier, l'algorithme PAJOD (Partial Approximative Joint Diagonalization), considère que la matrice de la réponse impulsionnelle du canal est une matrice para-unitaire. Cette hypothèse est vérifiée lorsque les observations ont été préalablement blanchies. Le problème peut être alors réduit en une diagonalisation partielle et conjointe (donc approximative) d'un ensemble de matrices contenant les multi-corrélations cumulantes des observations. Cependant, dans un souci de simplification, l'algorithme PAJOD retourne une matrice semi-unitaire et non para-unitaire. Cela nous mène au deuxième algorithme qui est l'algorithme PAFA (PAra-unitary FActorisation). Cet algorithme se base sur la même hypothèse de blanchiment des observations mais, contrairement à PAJOD, utilise une factorisation exacte des matrices para-unitaires afin d'obtenir la matrice réponse impulsionnelle de l'égaliseur sous forme para-unitaire. Tout comme PAJOD, le critère utilisé pour cette factorisation para-unitaire utilise les multi-corrélations cumulantes des observations. Le dernier algorithme APF (Alphabet Polynomial Fitting) est différent des deux premiers dans le sens où il ne considère pas le canal comme para-unitaire et a par ailleurs connaissance des modulations employées. La connaissance des modulations permet entre autres de pouvoir extraire des signaux de modulations connues à partir d'un mélange instantané ou convolutif. En effet, si tous les signaux émis utilisent des modulations différentes, il est ainsi possible d'extraire un à un les signaux. Pour cela, l'algorithme effectue une extraction par déflation régie par la maximisation d'un critère de contraste adapté à chaque modulation.