本发明提供了一种基于机器学习和FFT的盲源分离信源数目并行估计方法该方法首先提取对噪声不敏感的声信号特征，然后对特征进行主分量分析，再将已有环境数据、目标环境实场测试数据等特征数据输入BP神经网络训练，保证模型在不同应用环境的稳定性，并得到神经网络分类器，以实现不同信号之间的有效分类，得到类目作为信源个数；对相同的接收信号去噪后进行傅里叶变换，通过阈值判别信源个数，得到信源数目，最后比较，得到最终的输出信源数目。本发明通过优化方法来提高算法的准确率，最终得到准确的信源数目，实现了盲源分离中的信源有效估计，提高了信源估计的鲁棒性。