噪声作为严重的环境污染问题同水污染和空气污染一样已经引起越来越高的重视。噪声和振动测量不仅是噪声与振动控制工程的主要技术步骤,亦是环境保护,劳动保护工作中监测噪声和振动是否符合规定的主要技术手段。从声源上控制噪声可以大大减轻噪声治理的工作量,而且对促进生产低噪声产品研制,提高产品质量和寿命有直接效果,同时噪声源识别技术是声学测量技术的综合应用,具有很强的技术性,这些都具有很强的现实意义。准确识别噪声源是进行噪声控制的基础和关键,在实际工作中往往需要鉴别多源噪声中各声源对总体噪声的贡献情况,以便有针对的进行治理。论文提出将现代谱估计和灰色系统关联度分析方法结合进行噪声源识别,运用灰色系统关联度分析确定功率谱之间的相似程度并进行量化表示。通过神经网络和支持向量回归分别对事先重构信号和单独信号之间的关联数据进行训练,将测试数据带入训练网络即可得到声源之间的比例关系,进而得到单个噪声源对总声源的贡献情况和噪声的声强排序。最后用多算法决策融合的方法对灰色神经网络,灰色支持向量机训练得到的排序结论进行融合。在单独噪声源测量有限的情况下,考虑盲信号分离方法从混合信号中进行单独信号的分离,由声源之间的相关系数确定分离效果及单独噪声源。再用上面的方法进行分析处理。论文通过在Matlab 6.5 (Math Works)环境下进行大量信号仿真,模拟实际噪声源进而对两个声源、三个多声源及混叠声源进行识别,识别结果证明上述方法的有效性及可行性,且实验结果均满足实际工程需要,本论文方法具有一定的普遍意义,将在噪声治理,信源识别,盲信号分离等问题中发挥更大的作用。