列车轴承轨边声学监测与诊断系统拥有一些车载监测系统无可比拟的优势,然而其获取的声学信号存在“强噪声、陡畸变和多声源”等特征,使得该技术的实际应用受到了限制。本文以NJ(P)3226X1型现役国产列车轴承为研究对象,结合时域重采样多普勒校正方法和形态滤波改进算法重点解决强噪声和陡畸变两个问题,并利用仿真和实验数据对所提算法进行验证,为实行轨边声学监测与诊断提供一定的研究思路和处理方案。首先,对NJ(P)3226X1型客车轮对轴承的结构进行介绍,分析了滚动轴承的振动机理及主要故障形式,并给出了滚动轴承的故障特征频率计算公式。为使得实验数据接近轨边声学监测与诊断系统的真实获取状况,课题组采用了一种“静态采集,动态播放”的方法。该方法利用固定在匀速运动车辆上的扬声器对静态采集到的轴承声学信号进行播放。详细描述了单声源单麦克风及单声源多麦克风动态实验的方法,为后续的算法研究与改进提供了数据支持。其次,对列车轴承轨边声学信号中存在的多普勒效应及时域校正方法进行分析与探讨,提出了两种获取时域重采样序列的方法。基于多普勒信号的时频脊线关于时间中心具有对称性的特点,提出了一种时频脊线旋转匹配的获取方法。该算法通过时频图的旋转匹配来获取时间中心,以此得到重采样时间序列。基于远场均匀线阵模型和声源信号的空域稀疏性,采用匹配追踪算法来获取声源的实时空域信息,并根据轨边声学诊断模型来获取重采样时间序列。仿真和实验数据分析结果都说明这两种方法能有效地校正信号的多普勒畸变。最后,针对轨边声学信号具有强噪声的特点,在深入研究了轴承故障信号振动模式及形态滤波算法的基础上,提出了一种改进的形态滤波算法来提取故障特征。方法利用正弦信号与故障冲击信号的结构相似性,基于两者的相关系数来构造结构元素,成功地对噪声成分与冲击成分进行区分。仿真和实验分析均证实改进算法能实现从强噪声轨边声学信号中提取出轴承故障特征的目的。