航空发动机运行时各振动源及噪声相互混叠的问题已成为其故障诊断和特征提取的一大难题。目前,各种现代信号处理方法在先验知识不足的情况下很难对混叠信号进行有效的分离。而针对混叠振动信号的盲源分离方法还处于初级阶段,因此深入研究航空发动机混叠振动信号的分离具有很重要的理论意义和工程价值。本文针对航空发动机的振动特性,对现有的盲源分离算法及其理论进行了深入研究。盲源分离方法为航空发动机状态监测和故障诊断提供了新的手段。本文研究的主要内容归纳如下:(1)系统地研究了盲源分离的基本理论及其典型算法,从现有的盲分离方法中找出了适合航空发动机混叠振动信号分离的算法。(2)提出一种适合于混叠振动信号盲分离的新算法。针对基于二阶累积量的盲算法和基于四阶累积量的盲算法的缺点,提出一种基于二阶累积量和四阶累积量同时对角化的盲分离算法,该方法利用了信号的时间结构,减少了计算量同时利用了对白色噪声信号不敏感的四阶累积量,减小了噪声信号的影响。实验数据表明,在不同的信噪比下,该算法表现出稳定的分离性能。(3)提出一种强噪声环境下的盲分离算法。针对目前噪声环境下盲分离算法的缺点,提出先利用时延自相关降噪方法对含噪的振动信号降噪,以减小噪声信号对分离结果的影响,然后利用盲分离进行分离。通过仿真实验以及对真实的振动数据的分离验证了算法的有效性。(4)深入研究了盲源分离中的源数估计问题。研究了无噪声模型和有噪声模型下的源数估计方法。重点介绍了基于功率谱密度函数的源数估计方法,通过仿真实验验证了该方法在欠定、源信号相关及噪声环境下准确估计源数的可行性。(5)对两组航空发动机振动数据进行了分离试验研究,通过计算分析得到了若干有用的结论,成功地验证了瞬时盲分离算法分离航空发动机混叠振动信号的有效性。(6)联合Visual C++和MATLAB,基于MFC函数库开发了盲源分离软件平台。该平台采用参数化的设计思想,简易地实现了图形化用户界面控制的信号盲分离。