汽车发动机是汽车的心脏,它决定了汽车是否能正常运行,对发动机状况识别中一般是检测振动信号,而采用声学信号进行检测较少。从人工维修发动机的实际情况出发,往往采用听声音是否正常来判断发动机是否有异常,随着近年来声学技术和人工智能技术的迅速发展,为采用音频信号来分析辨别发动机状况打下一定基础,因此本文将通过分析汽车音频信号来辨别发动机工况和异常响声。首先,本文提出基于Android智能手机的音频信号采集方案,设计并实现汽车音频信号采集软件和汽车状况标注软件,对采集的音频信号预处理后,使用双门限端点检测方法进行端点检测。其次,对比汽车音频信号与语音信号,提出使用自适应噪声的完整集合经验模态分解算法分解汽车音频信号,得到其具有平稳特性的本征模态分量,对主要分量信号提取其Mel倒谱系数,把所有分量的Mel倒谱系数降维后作为改进的音频特征。实验结果表明,在不平稳音频信号组成的数据集中,改进后的音频特征的识别准确率比Mel倒谱系数高2.68%。再次,使用四阶Gamma Tone滤波器模拟人耳听觉滤波器,基于本征模态分量的瞬时频率对滤波器组进行改进,用改进后的滤波器组计算信号的音频特征。实验结果表明,改进后的Gamma Tone倒谱系数识别准确率比Mel倒谱系数高4.19%,比未改进的Gamma Tone倒谱系数高1.99%。最后,本文使用先识别汽车工况,再进一步识别发动机异常的发动机状况识别方法。使用支持向量机模型识别发动机怠速等三种工况,在发动机怠速工况下,提取信号的改进音频特征,使用门限循环单元和卷积神经网络分别构建识别模型识别发动机最常见的异响。实验结果表明,门限循环单元模型和卷积神经网络模型在测试集上对汽车发动机异常的识别率分别达到94.23%和96.15%。