汽车的NVH直接影响汽车的舒适性,随着人们对汽车NVH性能要求的不断提高,发动机的振动噪声问题也逐渐成为国内发动机学科研究的热点问题和重要方向,如何准确、快捷的识别发动机的主要噪声源是控制发动机噪声的重要前提,是改善汽车舒适性的重要研究内容之一。发动机噪声信号是多个激励源产生的混合信号,传统的数学工具难以实现对指定激励源的准确分析。盲源分离算法在识别机械振动、故障诊断及噪声处理方面具有很大的研究空间,为发动机噪声信号分离研究提供了更加丰富的手段。本文针对发动机噪声信号的特点,利用噪声测试技术、小波分析理论及盲源分离算法等现代测试技术与信号分析方法,从复杂的噪声信号中分离和识别发动机的主要噪声源。主要研究内容如下:选取三个不同的声音信号作为原始信号,在Matlab软件上对原始信号进行瞬时混合。分析对比FastICA、SOBI、JADE及CuBICA四种盲源分离算法并利用其对混合信号进行盲源分离仿真分析,验证四种盲源分离算法是否具有良好的分离性能。同样选取三个不同声音信号进行卷积混合,利用仿真分析验证上述四种算法的可行性。用瞬时盲源分离算法对卷积混合信号进行分离,并与卷积算法分离的效果进行对比,验证瞬时盲源分离算法在分离真实发动机噪声信号上的局限性。通过分离评价指标对比四种算法的分离性能,选出最优的算法对真实发动机噪声信号进行分析。以某四缸四冲程发动机为研究对象,采用基于卷积混合的CuBICA算法对采集到的三个发动机噪声信号进行分离,得到一系列独立分量。为进一步识别分离得到的各独立分量与发动机噪声源的对应关系,采用傅里叶变换和小波变换技术对各个分量进行特征分析,结合时频分析的结果和发动机辐射噪声产生的机理,确定各独立分量对应的激励源。