噪声源分离与识别是内燃机振动噪声控制的前提，而多缸内燃机的机械噪声和燃烧噪声在时域上和频域上均有混叠，很难得到准确的分离结果，其分离与识别问题最为复杂。本文在前人研究的基础上利用数据分解和独立分量分析的盲源分离方法对混合噪声进行分离，与此同时，提出基于延时差和强度差的双通道定位算法分离内燃机噪声，并对两者的结合做了探索研究，为内燃机噪声源的分离提供新的角度和思路。研究工作主要包括：　　（1）对数据分解及盲源分离基本理论进行了研究，通过平均功率谱法对比经验模态分解和小波分解的滤波特性。提出基于数据分解和独立分量分析的盲源分离流程，在一定程度上能解决欠定盲源分离问题，并对两种数据分解方法的分离效果进行仿真分析。　　（2）设计柴油机振动噪声采集试验，通过表面振动传递路径分析及对正常与倒拖工况下缸盖、机体侧和油底壳振动信号频谱的对比分析，研究其近场辐射噪声的激励源成分。运用数据分解和独立分量分析算法分离主要噪声辐射区域的辐射噪声的激励源成分。　　（3）针对双通道定位算法，采用基于局部峰值区域方差检测的混合参数估计方法，自动识别混合参数，以提高算法分离的准确性及智能性。提出根据时域信号包络相关分析的方法，对分离分量进行识别。依据平均掩码重叠率为评价指标，分析频率间隔、窗函数及窗函数的重叠度这三个因素对算法性能的影响，以便得到最优的参数选择，为分离柴油机辐射噪声提供参考。　　（4）设计双通道混合噪声获取试验，并用双通道定位算法进行分离，对其分离结果进行分析和识别。针对双通道分离的不确定分量，进一步运用提出的盲源分离流程对其进行再分离，并分别采用经验模态分解和小波分解方法对比其再分离的结果。　　（5）利用“Roomsim”仿真软件对联合双通道定位方法和盲源分离方法的噪声分离方案进行验证，探索该噪声分离方案的可行性。