随着我国汽车产业的迅猛发展和消费者对产品质量要求的提高,由汽车敲击异响引起的汽车质量问题已成为目前困扰厂商的一个重要问题。为解决此问题,国际国内都在做汽车异响性能开发,需要在对样车的异响性能进行试验评价、诊断和调校。目前的异响诊断主要通过主观判断,高度依赖研发人员的工程经验,存在耗时长、不准确、易错判、易漏判的问题;而在我国汽车工业界,异响性能开发或者异响控制工作尚处于起步阶段,极度缺乏有经验的异响性能研发人员。因此,本文研究的重要意义在于为开发阶段的异响诊断提供方法与工具,才能满足汽车异响性能开发的工程需要。本文介绍了一些敲击异响的相关分析方法,如传统的傅里叶分析、短时傅里叶分析和小波分析等,并针对汽车敲击异响特征指出这些方法所存在的不足与缺陷;同时,针对汽车敲击异响的非稳态特性与瞬时特性,指出说话人识别技术是分析该信号的理想工具。本文分别提出了两种方法,第一种是根据特征因子来判断该信号是否含有敲击异响信号;判断该信号含有敲击信号后,接着使用第二种方法,就是尝试将说话人辨识技术应用于敲击异响的识别,即采用梅尔倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征量和高斯混合模型（Gaussian Mixture Model,GMM）作为识别模型,基于最大似然判别,进行敲击异响来源诊断。汽车的敲击异响信号属于非平稳信号,信号的时域分析也是必不可少的基础方法,信号的时域指标分析具有直观、准确的特点,当信号异常时,有些时域指标会出现明显的变化。本研究将选取峰值因子、脉冲因子、裕度因子、峭度因子和波形因子来作为特征,仿真生成平稳和敲击异响信号,研究其特征的变化规律,确定其特征因子的数值范围,并在之后的实验环节中验证其正确性。本文针对座椅导杆敲击异响,安全带卷收器敲击异响,探讨将说话人辨识技术应用于敲击异响的可行性,并指出敲击异响特征提取与说话人识别特征提取的不同之处。信号通过计算MFCC得到的特征向量,作为GMM模型的输入,选取合适的模型参数后,训练得到各个异响敲击的GMM模型。通过计算测试声音信号的MFCC向量集与目标GMM的似然函数值,就可以判断测试声音信号的传声结构与目标传声结构是否一致,以此来判断该测试声音信号属于何种异响敲击。最后实验验证了该方法的准确性,当识别同种敲击异响时,能够100%识别出来,当去识别不同种异响时,能够100%拒绝。