随着人们生活质量的不断提高，消费者对汽车NVH性能重视程度也越来越高。汽车作为一个复杂的机械结构系统，往往存在着多个激励源。工程中，在主要激励源位置采集的信号一般是该点的响应信号，即各个激励源共同作用的结果。在主激励源识别的过程中，没有考虑信号之间的相关性，会在一定程度上影响主激励源的识别。因此，在对采集的激励源信号去相关的基础上分析系统的主要激励源具有重要的理论意义以及工程价值。本文针对激励源的采集信号具有相关性这一问题，对去相关方法进行了研究，并在此基础上，进行主要激励源的识别，本文研究的主要内容归纳如下：(1)对信号去相关方法以及汽车振动激励源识别常用方法进行了综述，指出了其中存在的问题与不足。(2)系统地介绍了相关以及谱分析的基本概念；解释了主激励源识别的基本问题，对激励源进行相关性分类，并分析了去相关分析的重要性。(3)在总结盲分离白化的基础上，引入聚类分析的思想，对主要激励源个数进行判断；并提出时延平均白化的去相关方法，该方法借鉴了联合对角化思想，对白化信号的多个非零延时相关矩阵进行了平均，提取了正交解相关分离矩阵，完成了信号的去相关分离。在阐述理论依据的基础上，给出了去相关方法的详细分析流程，并通过仿真信号以及实车信号验证了该方法的正确性和有效性。(4)系统地分析了激励源采集信号相关性的来源，并从频响函数角度给出了激励源采集信号的构成关系，在此基础上提出了基于频响函数的去相关方法。该方法通过模态实验方法获得激励源位置之间的频响函数矩阵后，应用该频响函数完成信号的去相关分离。理论分析说明了该方法可以恢复信号的幅值。仿真信号以及试验信号验证了该方法的有效性。(5)在激励源采集信号去相关的基础上，引入了层次分析法识别系统的主要激励源；同时对传统的层次判断矩阵进行了改进，通过去相关后的激励源信号与输出响应信号之间的常相干函数值，并结合1~9标度法，给出了层次判断矩阵的构成新方法，实现了判断矩阵的定量分析，仿真分析验证了该方法的有效性；最后，应用该方法分析了某卡车异常振动主要激励源，改进后的结果验证了该方法的实用性，对解决工程问题具有一定的参考价值。