Dans cette thèse nous étudions la détection aveugle de sources pour des mélanges linéaires à un seul capteur et dans des situations dominées par l'interférence. Nos hypothèses de travail portent uniquement sur l'indépendance des sources et le caractère fini et uniforme de leur distribution. Centrant notre étude autour d'un algorithme itératif de la littérature, plusieurs méthodes d'initialisation sont proposées afin d'en améliorer la robustesse quant aux cas les plus défavorables. En particulier, la relation entre les minima locaux vers lesquels les algorithmes considérés peuvent converger et la géométrie des constellations sous-jacentes aux mélanges est étudiée. Plusieurs méthodes visant à intégrer cette information au processus de détection global sont analysées. Les résultats obtenus par simulation sur des configurations de mélange variées attestent de l'efficacité des stratégies proposées via à vis des algorithmes de détection aveugle traditionnels. Une extension de notre méthode à des canaux sélectifs en fréquence et pour des transmissions multi-porteuses est également effectuée, conduisant à de nouvelles propositions d'initialisation. Notre étude se conclut par des considérations plus générales quant à l'aptitude des algorithmes de classification à pouvoir discerner des ensembles de points exhibant une forte proximité.