در این پایان نامه، الگوریتمی جدید برای جداسازی کور منابع غیر ایستان و باند وسیع در شبکه های حس گر بی سیم ارایه می کنیم. این منابع، در حوزه زمان-فرکانس دارای انرژی متمرکز هستند. از جمله این منابع می توان به سیگنال های fm اشاره کرد. در کاربردهایی نظیر رادار، سونار و مسایل آکوستیکی زیرآبی، به کرات با چنین سیگنال هایی مواجه می شویم. از آن جایی که تحلیل زمان- فرکانس در پردازش سیگنال، دارای اهمیت بسیار می باشد و از جمله روش های قدرتمند در جداسازی منابع غیر ایستان تحلیل در حوزه زمان-فرکانس است، از تبدیل چیرپلت در این الگوریتم استفاده می شود. چیرپلت ها کلاسی از سیگنال ها هستند که شامل گوسین هایی هستند که در زمان و فرکانس جابهجا شده، مقایس و چیرپ شده اند. در این روش، در هر سنسور، تبدیل چیرپلت را روی سیگنال دریافتی از منابع اعمال می کنیم و در واقع، سیگنال های غیر ایستان و شبه چیرپ را به صورت جمع چند چیرپلت نمایش می دهیم. سپس از پارامترهای چیرپلت و یکی از روش های خوشه بندی برای جداسازی منابع استفاده می کنیم. از آن جایی که فاز سیگنال ها در سنسورهای مختلف، مبین اطلاعات مکانی می باشد، می توان با الگوریتم ارایه شده، زاویه ورود به سنسورها را بدست آورد، بدون این که نیازی به تجزیه svd داشته باشیم. در روش ارایه شده ، با فرض استقلال منابع، منابع با تعداد بیشتر از تعداد بیشتر از تعداد سنسورها را می توانیم از یکدیگر جدا کنیم. به عبارت دیگر، تنها دو سنسور کافی است که هر تعداد دلخواه منابع را از یکدیگر جدا کنید. باید توجه داشت که هر چه تعداد سنسورها بیشتر باشد، جداسازی و تخمین زاویه ورود دقیق تر خواهد بود. در این الگوریتم، با فرض وجود کانال sparse بین منابع و سنسورها، ضرایب کانال fir را نیز با استفاده از تخمین چیرپلت، می توانیم تخمین بزنیم.