铁路运输在国民经济中占有重要的地位,轮对轴承是列车的关键部件,对其开展在线状态监测研究具有重要意义。道旁声学检测技术使用安装在铁轨两侧的麦克风阵列采集列车行驶时轮对轴承发出的声音信号,并通过信号处理实现状态监测与故障诊断,具有非接触式测量、成本低和早期故障预警的能力。但道旁信号的强噪声特性严重影响了诊断的精确性,针对该问题本文将矩形阵列引入道旁声学检测,并提出了一种基于最小方差无失真响应(Minimum Variance Distortion-less Response,MVDR)的空域滤波算法,通过设计最优空域滤波器(Optimal Spatial Filter,OSF),实现指向性去噪。并将该算法和稀疏滤波算法结合,从信号成分的角度进一步滤波,提升去噪效果,为道旁信号强噪声问题提供了新思路,具体工作如下:设计了一种基于矩形阵列的MVDR最优空域滤波器实现道旁信号指向性去噪,并通过仿真和实验对比分析,验证了该算法的有效性及相对于现有的线阵技术的优势。首先,分析了现有的单麦克风和线阵方案的局限性。其次,设计了一种3×5的矩形麦克风阵列,并基于MVDR算法设计了指向性滤波器,实现了指向性去噪。同时基于瞬时能量分析和重采样技术,实现了多普勒畸变校正。最后,利用仿真和实验对比分析验证了所提方法相对于现有的线阵方法的优越性。前述基于矩形阵列空域滤波的方法取得了较好的去噪效果,但由于滤波器的不完美性,空域滤波后信号中仍然存在一定的噪声,并且带通滤波器很难消除带内噪声。为此,提出了一种阵列空域滤波与稀疏滤波相结合的去噪思路,从信号组成成分的角度实现进一步去噪。首先,详细阐述了稀疏分解的基本原理,并构建了过完备的多普勒调制复合字典。其次,基于复合字典与匹配追踪算法设计了稀疏分解算法,并通过原子参数筛选和最优原子重构实现目标声源信号的稀疏滤波。然后,构建空域滤波器对稀疏滤波后的信号滤波。最后,利用仿真和实验信号验证了所提方法的有效性。结果表明,将空域滤波与稀疏滤波相结合,能够达到更好的降噪效果。