本论文以列车滚动轴承的状态监测和故障诊断为研究目标,以道旁声学信号为研究对象,针对道旁声学信号故障诊断领域中存在的频谱畸变、混合信号中微弱成分的提取、强噪声背景下目标信号有效降噪等问题。通过将小波变换、独立分量分析、集合经验模态分解、谱峭度理论等四种非平稳信号处理方法以及重采样和变采样技术引入到列车滚动轴承声学信号故障诊断领域,对上述相关问题进行了深入的理论和应用研究。首先,从运动几何学和声学模型两个角度研究了多普勒效应引起采集信号频谱畸变的本质原因。通过引入重采样技术,采用微元近似的思想,提出基于频偏曲率的等间隔重采样校正算法,实现了对频谱畸变的校正,并对该方法在频谱校正中的适用范围进行了讨论。为更准确恢复采样信号频谱,基于道旁信号频谱畸变的特征,利用插值技术逐点恢复原信号,首次提出逐点变采样校正算法,并采用仿真信号和实验信号对两种算法有效性进行了验证,结果显示两种算法在各自适用范围内均有效解决了多普勒效应带来的频谱结构畸变。其次,针对道旁采集的声学信号为多源混合信号且列车轴承信号成分相对微弱的特点,引入独立分量分析技术和快速独立分量分析算法(FastICA),并研究了约束独立分量分析理论,讨论其两个关键问题：参考信号和门限阈值的选取参考原则。针对无法确定源数目的独立分量分析欠定问题,研究了小波变换理论,对连续小波变换的冗余性作了分析,提出在频域主能区采用等间隔选取伪中心频率的方法确定小波变换的尺度,既解决了信号相互之间的相关性,又极大减少了分解尺度。提出了等间隔尺度小波变换盲源提取方法,实现混合信号中的微弱成分提取,实验结果表明该方法在提取微弱冲击信号方面的有一定的效果。最后,为了有效提高强噪声背景下微弱冲击信号的信噪比,将谱峭度理论应用于声学信号的故障诊断领域,研究了谱峭度法在强噪声背景下对微弱冲击信号的敏感性,并对快速峭度图算法降噪性能采用实例进行了验证,结果表明该算法降噪效果明显。针对道旁滚动轴承声学信号能量微弱特点,提出两种基于谱峭度的二次滤波算法,一种是EEMD的二次滤波降噪算法,研究了EEMD算法在降噪方面的特点并就噪声选取的原则问题进行了分析；另外一种是CWT和ICA相结合的二次滤波算法,针对二次滤波特点,提出连续小波变换的基函数和分解尺度选取原则,并采用滚动轴承内圈故障和滚子故障声学信号对两种算法的二次滤波的效果作了验证,实验结果表明两种二次滤波算法的故障信号信噪比都显著提高。此外,本文的研究都是建立在实验验证的基础上,多普勒效应实验平台实现了对道旁声学信号因多普勒效应造成的信号频谱畸变的研究,而基于声学信号的列车滚动轴承故障实验平台为不同状态下列车滚动轴承声学信号的研究,提供了数据支持,实验结果验证了上述方法的可行性和有效性。