本文围绕机械声学故障诊断中的噪声信号分离方法和声源识别定位这两个关键问题进行研究.首先,论文分别对盲信号处理技术和可视化声源识别方法的研究历史和现状进行了较为全面的回顾和论述.然后,分如下两方面进行了相应的研究.(一)信号盲处理算法的研究(1)针对传统神经网络算法只能分离同系信号的弱点,本文根据稳定性分析得到一种能分离杂系信号的在线自然梯度算法,并将其推广到EASI算法中.仿真算例表明,此改进的自然梯度算法和改进的EASI算法不仅能分离同系信号,还能很好地分离杂系信号,且改进的EASI算法比改进的自然梯度算法收敛速度要快,分离效果要稍好.(2)针对以往非平稳信号的二阶分离算法附加了源信号方差为1的限制条件,当源信号的方差变化较急剧时,将导致分离矩阵W在收敛到真正的等效类C<,w>的过程中,也将发生很大的变化,甚至导致数值失稳,为此,本文介绍了一种非平稳信号二阶非完全约束的自然梯度算法,可以避免此类问题,且具有等变特性.仿真算例也很好地验证了此算法的有效性.(3)通过滤波器矩阵代数将盲源分离算法扩展为多通道盲解卷积算法,得到了多通道盲解卷积的自然梯度算法和EASI算法.仿真算例表明,基于滤波器矩阵代数的多通道盲解卷积自然梯度算法对同系信号的分离和解卷积均具有很好的效果.(4)基于正交非完整约束盲源分离算法的思想,对多通道盲解卷积自然梯度算法进行修改,得到一种卷积盲源分离算法,此算法为多通道盲解卷积自然梯度算法的正交非完整约束形式,通过仿真算例验证了此算法的有效性.(二)基于波叠加方法的声场重建和可视化声源识别的研究(1)详细地介绍了波叠加方法的相关理论和实现方法,包括波叠加积分方程、波叠加方法的几种基本形式、相应的非唯一性问题以及数值实现方法,并用数值算例验证了单层势形式在以虚源面为边界的Dirichlet内域问题的特征频率和双层势形式在Neumann内域问题的特征频率处存在解的非唯一性问题,而混合势形式和复失径波叠加方法则可以很好地克服解的非唯一性问题,通过数值算例还说明了波叠加方法在计算声辐射问题时的可行性.(2)阐述了用波叠加方法进行声场重建的基本步骤,并对单个和两个脉动球以及摆动球声源进行了声场重建的数值仿真,并与解析解进行对比.(3)首次将波叠加方法用于可视化声源识别中.对位于同一高度和不同高度的两个脉动球以及摆动球声源的声源识别进行了数值模拟.(4)对波叠加方法结合Tikhonov正则化方法用于声源识别的稳健性进行了分析,表明这一方法在两脉动和摆动声源的识别中具有较好的稳健性.最后,分别对这两方面的工作进行了总结,并对今后的工作提出了一些个人建议.