本文主要是对车辆的声频噪声信号进行分离研究。在实际交通环境中,信号的传输途径复杂,具有多径效应,所以很难用精确、简单的数学模型来描述。采用盲信号分离方法,本质上可以大大减少传输模型误差和阵列误差对分离结果的影响,有利于提高精度。论文总结了国内外盲信号分离方面近期的研究成果和进展,并着重讨论了几种比较常用的盲分离学习算法。针对多数盲分离算法在多峰值情况下易陷入局部最优,难以保证全局收敛而导致分离误差的缺陷,文章将遗传算法与传统盲信号分离算法相结合,把全局收敛性能较好的遗传算法引入信号分离算法的寻优过程。运用基于遗传算法的盲信号分离算法对麦克风阵列采集的卡车、小车、农用车、面包车等车辆声频信号做分离处理,实验结果证明,该方法能从多车混合信号中有效分离出单个车辆信号。利用车辆行驶过程中所产生的声频噪声信号进行交通量检测是一种新方法,有较大应用前景。