由于声学故障诊断技术具有信号测量方便、非接触式测量与不影响设备正常工作等优点，在实际生产中十分需要，但作为诊断方法之一，声学故障诊断技术目前已经落后于已经发展成一套比较完整的体系的振动故障诊断技术。这有多方面的原因，其中主要原因之一就是在实际生活中，往往面临大面积、非稳态、多声源等的复杂空间声场，传声器采集到的信号往往是多台机器发出的声音的混合信号。另外，实际生产环境的声场也非常难以建立。 盲源分离技术是近年来出现的一种新的信号处理方法，它为机器声学信号的特征分离提供了一个全新的解决思路。本文的工作正是基于盲源分离技术的基础上，建立了相对简化的理想系统模型，对盲源分离算法在声学故障诊断中的特征提取应用进行了探讨，进行了算法研究，并对其进行了仿真分析和实验验证，初步建立了一套基于盲源分离技术的设备声学故障特征提取系统，为声学故障诊断技术的进一步发展和完善进行了理论和实践的探索。 论文首先概述国内外声学诊断研究进展与盲源分离研究进展，给出机器声学声场与盲源分离的数学描述，讨论了声振辐射、盲源分离模型、波达方向估计、独立分量分析等基本问题，在此基础上，论文的研究工作分为以下四个部分： 第一.对盲源分离技术进行了探讨，为实现将多个信号源的混合信号进行分离，得到单个信号源的频谱特征的目标，分别将波达方向估计(DOA)和独立分量分析技术(ICA)应用过来。 第二.首先探讨了应用波达方向估计方法来估计混合矩阵。应用波达方向估计技术，对观测数据的处理分三个步骤：第一步作聚焦处理，去除信号源之间的相关性；第二步根据算法对声源位置进行搜索，这里有一个初始位置的估计，这是在做实验时是可以得到的，从而可以划定每个声源的搜索范围，提高计算速度和准确性；最后一步是根据搜索得到的声源位置估计对源信号进行恢复，得到每个信号源的频谱特征。对于这种方法，进行了仿真分析，按照信号源的分类不同，进行了多组仿真，其中包括独立窄带信号源的仿真、相关窄带信号源的仿真，和宽带信号源的仿真。并对于使用有限数目传感器进行波达方向估计的理论进行了分析和仿真，验证了基于波达方向估计的盲源分离算法在声学故障诊断中应用的可行性和有效性。 第三.接着探讨了利用独立分量分析技术来得到分离矩阵从而恢复源信号。独立分量分析技术是利用观测数据依某种准则或信号特性生成一个目标函数，使之满足一定条件从而直接得到一个能够对混合信号进行分离的分离矩阵。它不需要声源和传感器的位置信息。在对独立分量分析技术进行分析的同时，提出了基于时频分布的联合反对角化矩阵算法。首先把观测数据进行预处理，其中包括去均值和白化两部分。然后利用新的数据进行时频分析，得到一系列矩阵，构造出一个目标函数，求出分离矩阵。通过分离矩阵，我们可以恢复源信号的波形、频谱以及时频分布等信息。算法无须对源信号的概率密度函数进行估计，也无须选择非线性函数，最大程度上利用了观测信号的有用信息，并对噪声干扰不敏感。经过仿真分析以后证实了算法的可行性和有效性，同时对于简单情况下的平稳信号源的卷积混合模型也能达到较好的效果。 第四.对于以上两部分的工作，都进行了实验研究。实验主要是在半消声室内进行的，并对半自由声场的情况进行了模型的修正。实验结果表明，基于波达方向估计的盲源分离算法和基于独立分量分析的盲源分离算法都能够达到所希望的从观测信号中分离源信号，提取特征的目的。