滚动轴承不但支撑着车辆整体重量,而且是车辆高速旋转的关键部件,其状态的好坏直接影响着车辆运行的安全性。据有关权威部门统计,每年约有50起与轴承相关的车辆发生脱轨事故。因此,实时监控车辆滚动轴承的运行状态并对其产生的故障进行诊断,对车辆的安全运行意义重大。相比于利用振动信号对滚动轴承进行故障诊断,基于声信号的车辆滚动轴承故障诊断方法具有诸多优势。该方法经济成本较低、可行性高,并可监测轴承整个寿命周期运行状态,但声学信号在处理和分类方面具有一定难度。陡畸变问题,是由多普勒效应引起的声学信号发生畸变,使采集到的声信号在时域上幅值受到调制,频率上则具有非线性特征。而在道旁的测试环境下,采集到车辆滚动轴承所发出的信号仍会包含多个设备的声信号,这些混杂的信号无法直接进行滚动轴承的诊断,从而造成了声信号多声源问题。在对车辆滚动轴承进行故障诊断时,处理好声学信号的陡畸变和多声源问题相当关键。针对这两大难点,本文对车辆滚动轴承道旁声学信号的陡畸变信号的校正及声信号多声源的分离展开了详细研究。本文内容具体如下:（1）首先,介绍了滚动轴承的基本结构和主要故障类型,分析了滚动轴承故障噪声产生机理,并由此推导了滚动轴承故障特征频率计算公式,指出了滚动轴承故障信号特点。通过以上分析,为后续车辆轴承道旁声学信号的畸变校正及多声源的分离奠定了理论基础。（2）其次,针对道旁声学信号陡畸变问题,和传统重采样多普勒校正方法中存在的鲁棒性低及谱泄露问题,提出了一种基于回归离散傅里叶级数的车辆轴承多普勒信号校正方法,借助于仿真的方式验证了此方法的可行性。（3）然后,针对道旁声学信号多声源问题,在对盲源分离方法和人工鱼群算法研究的基础上,提出了一种基于改进人工鱼群的信号盲源分离方法对车辆轴承声信号进行分离。通过仿真验证了该方法的可行性,该方法相比基于人工鱼群算法的信号盲源分离方法具有明显优势。（4）最后,本文对车辆轴承道旁声学信号提取及诊断进行试验研究。利用基于回归离散傅里叶级数的车辆轴承多普勒信号校正方法对试验信号进行畸变校正,然后利用基于改进人工鱼群的信号盲源分离方法对校正后的信号进行声源分离。通过对轴承内圈的试验数据处理和分析,将滚动轴承信号从原始信号中提取出来,并根据此信号对车辆轴承进行诊断,验证了本文方法地可行性和其实践应用价值。