汽车发动机在正常工作时,由于燃料燃烧膨胀、废气排出时气流运动、运动部件之间相互冲击及电磁等作用,会发出很大的声响。当运动零部件严重磨损、配合间隙增大、零件松动、断裂损坏时,或者由于维修质量不好、装配调整不当等原因,在发动机工作声响中会伴随着产生各种异常的声响。因此发动机声响信号中蕴涵着丰富的发动机异常或故障状态信息。采用合适的方法对分离出的异响信号进行量化分析,提取其特征参数,是基于声响信号分析的发动机故障诊断研究的基础性工作,具有重要的意义。首先,考虑到发动机异响信号特征与发动机状态-主要是发动机转速密切相关,本文对基于声响信号分析的发动机转速估计方法进行了研究:通过在时域对发动机异响信号进行短时分析得到异响信号时域上的重要参数,由此来判断信号的性质,并重点介绍了两种时域基音周期估计的方法,在此基础上提出了基于声响信号的发动机转速估计方法。运用此方法可以通过分析所采集信号的基音周期直接估计发动机转速,并可通过建立基音周期与转速的函数关系来判断发动机转速是否正常;其次,采用线性预测分析方法对发动机异响信号进行了建模研究,分别利用杜宾算法和乔里斯基分解法提取异响信号的线性预测系数,通过分析比较得出各种线性预测算法的优劣。在此基础上,由线性预测系数导出了异响信号的其他特征参数,利用所得到的特征参数建立了异响信号的联合特征指标集即特征向量。为了简化后续故障模式匹配算法,兼顾故障诊断算法的分辨率及稳定性,采用主成分分析法对携带最大故障信息量的特征指标合成方法进行了研究。