近年来,随着国内高速铁路事业的迅猛发展,高速铁路噪声问题越来越突出,受到人们的广泛关注。轮轨噪声在高速铁路噪声中占据主要地位,因此,要减少高速铁路噪声必须从抑制高速铁路轮轨噪声着手。由于轮轨噪声的产生机理以及轮轨之间的耦合都比较复杂,很难单独分析车轮和钢轨产生的噪声,而基于麦克风阵列的波束形成声源识别技术能准确识别出列车轮轨区域的噪声,因此,本文另辟蹊径,从麦克风阵列声源识别技术出发,利用143通道螺旋阵列在大西线上采集列车经过时的噪声数据,然后利用反卷积波束形成算法识别出列车轮轨区域的噪声;同时,通过在钢轨上布置振动传感器获取列车经过时钢轨的振动数据,得到由钢轨振动产生的噪声;最后,利用偏相干算法和最大信噪比盲分离算法结合识别出的轮轨噪声以及采集的钢轨振动数据实现轮轨噪声的分离,为后续有针对性的降低轮轨噪声提供理论基础。本文主要的研究内容和研究结论如下:(1)建立了麦克风阵列接收信号的数学模型,对传统延时求和波束形成算法和互谱波束形成算法的基本原理进行了分析,推导了基于FFT-NNLS和FISTA两种反卷积算法理论的具体求解步骤。(2)通过仿真分析了三种波束形成算法程序识别窄带声源、宽带声源、单声源及双声源的识别效果,对比分析了三种算法的识别性能,并通过静态声源识别测试试验进行了验证。随后将波束形成算法向运动声源的识别方向延伸,由于传声器在接收运动声源的声压信号时会产生多普勒效应,引入插值法消除多普勒效应,并通过仿真分析验证。(3)研究分析了偏相关技术中的偏相干分析方法和最大信噪比盲分离算法的基本原理,对这两种分离算法的分离效果进行了仿真验证。(4)基于高速列车不同速度级下的噪声数据及钢轨振动数据,识别出了轮轨区域噪声,分析了钢轨振动的频率特性,利用偏向干函数和最大信噪比分离算法分离出了车轮辐射的噪声,为今后工程上降低轮轨噪声对车轮和钢轨做有针对性的减振降噪措施提供有效指导。