机械故障诊断技术的兴起,给高速发展中的各新兴制造业的安全保障提供了支持,减少和避免了重大事故的发生,表现出了巨大的经济和社会价值。高铁作为我国新兴装备制造业的代名词,其安全、舒适、高效一直受到国内外的广泛关注。因此,监测和诊断列车运行状态,预防列车事故的发生具有十分重大的意义。列车轮对轴承故障作为一种常见故障,与其相关的监测与诊断研究一直为国内外相关部门的热点。其中,轨边声学诊断系统以非接触式测量,可监测早期故障的特点而广受关注。然而,由于轨边声学诊断系统获取信号的独特方式,使其不可避免的存在一些测量问题。本文将以获取轨边声学诊断系统中清晰可辨的故障声谱为目标,以时变阵列分析为主要手段,针对系统测量所产生的声谱微弱、声谱畸变与声谱混叠三个问题进行探讨和研究,以期获取高速情况下可靠、准确的列车轴承诊断结果。论文首先通过分析轨边声学诊断系统的几何模型,公式化的揭示了该系统中声谱微弱、畸变、混叠三个测量问题产生的原因。针对目前主要使用的列车轴承,建立了以轴承故障频率为主要指标的故障类型判别基础。并以此分别设计了列车轴承静态声学获取方案和麦克风阵列的列车轴承动态声学获取方案。通过对静态和动态实验信号的频谱特征分析,验证了轨边系统中畸变混叠问题的存在。针对单麦克风分离矫正方法的局限性,以形态时频滤波与时频幅值匹配方法为例进行了深层次的分析探讨,指出了单麦克风信号对空间声源的欠定性描述是导致方法失效的本质原因。其次,针对声谱混叠问题,论文先后从远场条件下的阵列模型出发,提出了一条基于麦克风阵列的时变空域滤波重排的多源畸变混叠信号分离、矫正方案。该方法通过零角度空域滤波器获取不同声源的时间中心,并通过时变空域滤波重排最终实现不同畸变声源的分离与矫正。由于时变空域滤波器的建立与信号能量几乎无关,因此该方法在微弱信号源分离与矫正方面相比于传统单麦克风方法具有明显的优势。此外,实验表明所提方案对频带近似、时频能量离散的多源信号分离表现也十分良好。随后,针对声谱畸变问题,论文又对基于阵列的声谱畸变矫正方案进行了进一步的研究,并以单声源为例提出了一种基于时变多信号分类和角插值重采样的无参矫正方法。该方案通过时变多信号分类获取声源的实时位置,并通过声源发射时间和接收时间的一一映射关系建立重采样时间序列,实现对畸变信号的无参矫正。该方法相比于传统方法具有无需先验知识,计算量小,噪声鲁棒性强,适用于变速声源问题等诸多优点,在实际系统的应用中具有较高的潜力。最后,针对声谱特征微弱问题,论文以时变阵列分析思想为指导,通过汉克矩阵构建与阵列信号极其类似的伪阵列信号,提出了一种基于时变奇异值分解的周期性暂态信号声谱特征增强方法。重点研究了时变奇异值分解方法在处理周期暂态信号中所表现的基本性质,并以此及建立了一条基于时变奇异值分解的轴承故障频谱特征增强与识别路线。研究表明,该路线不仅在各类噪声,提高频谱特征信噪比表现优异,还在保留周期故障特征的谐波成分上具有较为显著的优势。通过对列车轴承的故障声学信号进行分析,表明该方案在提升故障信号的声谱特征方面作用明显。全文以麦克风阵列所采集的单、多声源轨边声学轴承故障信号为处理对象,从轨边声学信号采集模型与轨边信号的声谱特征出发,建立了一条完整的以时变阵列分析思路为主体的声谱混叠分离、声谱畸变矫正和声谱特征增强的技术路线,为最终实现列车轴承轨边声学系统故障声谱清晰识别提供了一定的研究基础和解决思路。