金属切削过程监控是机械制造自动化的关键技术和重要课题，随着FMS、CIMS等自动化技术的发展，迫切需要新型、实用、可靠的刀具状态监控系统。然而，实际加工中传感器检测到的声振信号，包含大量的切削过程及非切削过程信息，如何解决切削过程监控中多目标状态源存在同频干扰的问题成为了切削过程监控亟待解决的关键问题。本文研究了基于铣削过程中声振信号的多传感器信号融合方法，对铣削声振信号中存在的切削过程相关信息进行分离，有效提取出了与刀具破损相关的特征信息。研究工作对于切削过程监控中的信息提取技术具有理论和应用价值。本文基于经验模态分解和独立分量分析提出了一种多通道信号盲源分离算法，以声音传感器及振动传感器为信号检测元件，利用多传感器信息融合技术对铣削加工过程中刀具破损监测相关技术问题进行了详细分析。首先，运用图形化软件集成开发环境LabVIEW开发系统数据采集平台，按照试验方案采集不同刀具状态下铣削过程中的声音和振动信号。其次，运用LabVIEW对所采集的多传感器信号进行分析处理，通过对比不同刀具状态下的信号，提取出与刀具状态相关的特征频率。论文最后探索了一组混叠严重的铣削声振信号的分离问题，利用本文提出的盲源分离算法可以提取出切削声振信号中有关刀具状态的相关信息。通过试验，证实了基于独立分量分析和经验模态分解理论相结合的方法可以有效对铣削过程中刀具破损信息进行提取和分离，丰富和发展了刀具状态监测技术。本文研究表明，EMD-ICA技术可以从混叠的声音信号和振动信号中并行分离出对应于不同刀具状态信息的源信号，而且不会引起信号丢失。在为切削过程监测带来了新的解决方案的同时拓宽了经验模态分解和盲源分离技术的应用领域。