汽车的NVH直接影响汽车的舒适性,车辆振动是由多个振动源共同构成。识别车辆振动源是改善车辆舒适性的重要研究内容之一,盲源分离算法在识别机械振动、诊断故障及噪声处理方面具有很大的研究空间。本文通过盲源分离算法对车辆振动信号进行分离研究,提出恰当的信号降噪手段,研究振动信号盲分离算法,为车辆振动信号的处理提供新的手段。主要内容如下:梳理盲源分离算法的理论知识。系统地介绍盲源分离的数学模型以及数学知识;概括盲源分离算法中评判随机变量统计独立性的依据;阐述盲源分离的基础条件及评价标准等知识。研究FastICA、SOBI、JADE及CuBICA等盲分离算法,模拟发动机振动信号与路面激励信号并分别进行瞬时混合和卷积混合,利用上述四种算法进行盲分离仿真分析,结果证明基于瞬时混合和卷积混合的FastICA、SOBI、JADE及CuBICA的盲分离算法均具有良好的分离性能。分析EEMD与小波降噪各自的缺陷,提出EEMD与小波半软阈值联合降噪算法对车辆振动信号进行降噪,并与EEMD降噪法、小波半软阈值降噪法、EMD与小波硬阈值联合降噪法以及EMD与小波软阈值联合降噪法进行对比,通过仿真分析和实验研究验证本文提出算法的可行性。通过台架实验与道路实验采集发动机振动信号和路面激励信号,利用EEMD与小波半软阈值降噪后对车辆振动信号分别进行基于瞬时混合与卷积混合的CuBICA盲分离研究。结果表明同时采集发动机振动信号和路面激励信号时,应选用基于卷积混合的盲分离算法处理混合信号。