本文研究了短时谱估计对信号的消噪,其中主要包含谱减法和维纳滤波法,并且根据这两种算法的特点,将其应用到发动机故障声音信号的滤波中去,为以后发动机故障信号的特征提取提供了依据,并作为对机械故障的噪声分离方法的一个尝试。分析了小波变换的特点,研究了应用小波对信号降噪的方法,本文选择了基于阈值进行降噪的方法,并选取了合适的软阈值进行降噪。小波包分析则能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时频分辨率。本文应用小波包的这种性质对发动机的声音信号进行分解、重构,从而形成所需的子波信号。本文在发动机异响诊断的优化算法设计中应用遗传算法,通过确定编码方式、初始种群、选择方式、变异和交叉概率以及适应度函数,完成了遗传算法对发动机信号由小波包分解、重构所形成的子波信号的优化,从而分离出汽车发动机的异响信号。其中适应度函数的选择应用了人耳听觉的欧姆定律和谱相关的原理。在汽车发动机的故障异响的分离实验中应用这种算法,取得了良好的效果,使得在此基础上实行特征提取,建立故障模式,实现故障的自动识别成为可能。