针对复杂的多振动混叠信号,各种近现代信号处理方法在先验知识不足的情况下很难对其进行有效的分离。作为目前信号处理领域最热门的新兴技术之一,盲源分离(BSS)在解决这一问题上受到越来越多的关注,然而国内外的研究大都集中于理论和仿真,其实际的工程应用还十分少见。本文的主要工作在于通过对现有盲源分离方法的研究,进行总结归纳和方法改进,从而得到更加适合振动信号处理的盲源分离方法,为航空发动机状态监控和故障诊断提供新的手段。具体工作如下:1.系统地研究了盲源分离的主要方法——独立分量分析(ICA),详细地描述了问题的模型及其求解。给出了ICA自适应算法的核心函数分类和选取方法。2.提出了结合振动信号特征信息的带参独立分量分析方法(ICA-R),用以提取匹配先验知识的有用信号。通过多个仿真实验分析,ICA-R方法对比其它多种传统ICA方法,在分离精度和收敛速度的综合优势十分显著。3.针对多组振动试验数据,以盲源分离方法为主并辅以其他信号处理方法进行计算分析,得到了若干有用的结论,成功地验证了盲源分离技术的有效性,并为该技术应用于振动信号的分离提供了充分的依据和良好的基础。4.联合VC++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。