基于声音处理的工位状况识别符合生产智能化的发展趋势。电机声、撞击摩擦声、降温风扇声、人声等各种常见的环境噪声一般具有稳定的统计特征或特定的时频特性，因此滤波、语音增强、信号补偿等常用的去噪方法足以用于提取目标声音信号。但是，由于不同产品、不同包装方式、不同外包装样式要求不同速度的生产流水线，按需变速导致传送带噪声是变化的，从而使得工业环境噪声是"盲"的，上述去噪方法难以获得有效的目标声音信号。选择某实际工业环境，分别针对不同生产线速度情况以及传感器数量小于声源数的情况，选择基于负熵最大的FastlCA算法、Infomax算法、基于峭度的约束ICA算法等三种盲源分离算法用于目标声音提取。在分析混合声音信号以及测试结果的基础上，提出了应对噪声波动情况的改进声源分离算法。利用经该方法去噪后的声音信号进行工况识别，反复测试表明，平均正确率高于99％。