诊断一词最初源于医学领域,但是随着机械维护技术的涌现,设备的诊断也开始不断出现在机械工程的各个领域。其中,旋转机械(轴承、齿轮等)在整个机械领域中有着举足轻重的地位,而其发生故障的概率又远远高于其他机械结构,因而对该类部件的状态监测与故障诊断则显得尤为重要。在我国,铁路运输(货运、客运)逐渐展露了在国民经济和现代化建设中的不可或缺的作用,作为导致列车发生故障甚至脱轨事故的最主要的原因,列车轴承的故障监测和诊断工作一直受到普遍关注。为了监测列车轴承的运行状态,就要采集、分析包含了轴承运行信息的振动、声音等信号,其中道旁声学检测系统(Trackside Acoustic Detector System:TADS)由于其非接触的测量特点,使其本身具有很大的使用前景和优势。本文将基于我国的NJ(P)3226X1型列车轴承,以TADS中的信号处理策略为研究内容,针对列车的该套监测系统中信号处理时不可避免的多普勒畸变下的多声源分离和强噪声背景下的微弱信号提取问题进行了相关的探讨与研究。本文首先介绍了常见轴承的主要结构、存在的失效形式,说明了信号与轴承运行状态的对应关系,并分析了列车轴承道旁声学诊断系统的模型。利用目前主要使用的列车轴承,设计了一套模拟的道旁声学诊断系统的实验平台。该平台主要由两部分组成：静态轴承信号采集系统,该系统中,利用线切割的方式对列车轴承设定相应的故障,用以获取其静态声学故障信号；动态信号采集系统,基于该系统,我们可以进行一个声源故障信号或者多个声源故障信号获取的模拟实验,获取具有相应特点的声学信号并进行分析。针对实验获取的列车道旁声信号,深入探讨了其多声源分离问题。由于该种信号的特殊性,文章巧妙地利用了信号本身的多普勒畸变特性所导致的信号在时频域分离的特点,提出了两种针对该种信号的分离技术。第一种方法是通过多普勒畸变信号的伪时频分布,来获取不同声源的时间中心和原始频率等参数,利用多普勒滤波器实现对不同声源信号的逐一滤波分离；第二种技术是基于时频信号融合和多普勒匹配追踪获取相关的参数,再通过时频滤波器组的设计运用,得到各个声源的单一信号。通过对仿真信号和多声源畸变实验信号的处理,实现了对不同声源信号的分离和后续校正诊断工作。通过对实验获取的畸变信号进行处理和分析,重点研究了多普勒畸变的声学原理及几何模型。在已有的利用时域重采样技术校正信号多普勒畸变的基础上,提出了两种多普勒信号特征参数提取方法和校正途径。分别是利用信号的伪时频分布和时频域特征匹配追踪来获取信号的多普勒时间中心和原始频率,并进一步进行畸变校正工作。通过仿真分析和实验获取的含有故障信息的多普勒畸变信号(分离后的信号),显示了所提出的方法对提取多普勒信号参数并进行重采样校正的有效性和可行性。获取校正后的故障信号后,论文利用随机共振(Stochastic Resonance:SR)技术的微弱信号探测和放大功能,提出了不同势能模型的三种随机共振模型,用于对轴承信号的噪声去除和特征信号放大,分别是1)基于Woods-Saxon和Gaussian联合势能的SR,2)基于畴壁钉扎势的欠阻尼SR系统,3)变步长非对称SR模型。通过文章所提出的优化的技术路径和算法模型,从含噪信号中获取了轴承故障特征及其故障频率,提高了诊断的精确度和可靠性,并通过实际信号对各种算法和模型进行了检验。综上,本文针对列车道旁声学故障诊断系统提出了完整的技术路径,从声源分离,畸变校正再到故障特征提取和放大,都进行了相关的理论和算法研究,通过实验信号分析,说明了本文所提的方法在实际应用中切实有效。