在变电站中，电气设备的巡检是一项非常重要的任务。很久以来，变电站电气设备的巡检都是由人工来完成的。但是，人工巡检存在许多缺陷。所以，寻找一种智能化的电气设备巡检方式代替或者辅助人工巡检是非常有必要的。在传统的人工变电站巡检过程中，有经验的师傅可以通过变电设备的工作声响来判断设备是否工作正常。那么，通过检测变电站设备工作声音参数来判断变电设备工作状态是可行的。本文提出了一种基于声源盲分离和HMM的变电站设备状态检测方法，可以作为变电站设备状态检测的有效补充。　　本文在调研了国内外关于音频设备检测研究的基础上，对基于声源盲分离和HMM的变电站设备状态检测算法进行了研究。论文的主要工作如下:　　1.分别对变压器和高亢设备声音进行了特征分析。对变压器和高亢声音进行了时域分析、周期估计、频谱分析。得到纯设备声音具有很好的谐波特性，在噪声背景下，噪声频谱和设备声音频谱在频带上相互重叠，很难用常用的方法滤除噪声。　　2.利用基于FastICA算法对含有强干扰噪声的设备声音进行分离，并进行大量的分离实验，实验结果表明该算法可有效实现设备声音中噪声的滤除。　　3.提取了信号的MFCC特征，利用基于隐马尔可夫模型(HMM）算法实现了分离后声音的识别。利用Baum-Welch算法建立了不同类型声音（鸟叫声、救护车声、设备正常运行声音、设备故障声音）的HMM模型，并利用Viterbi对分离后的声音进行识别，最后进行了多次识别实验，实验结果表明本文算法可以达到97.5％的识别率。