振动信号是航空发动机维修和故障诊断的重要依据。试车过程中实际采集的振动信号是由发动机的传动系统、高低压转子系统等不同的激振源所激起的振动信号的混叠,同时还包含测量噪声和其他的干扰信号。本文采用盲源分离方法,将发动机试车过程中采集的两路振动信号按照高、低压转子系统两种不同的激振源进行分离,分离出高压转子和低压转子的振动时域信号,并对分离的振动信号进行频谱分析,找到各自的频率特征进行故障特征提取,从而找到故障部位。采用盲源分离方法对振动信号进行提取分析,与传统的FFT分析方法具有一定的优越性,该方法可以对不同激振源的谐波成分进行有效分析,从而对发动机的故障部位的确定提供更可靠的依据。本文详细阐述了盲源分离方法,深入研究了盲源分离中两种重要的算法：FastICA算法和Natural Gradi en算法,通过两组实验进行仿真对比,选择采用FastICA算法对航空发动机的振动信号进行盲分离。针对传统的FFT方法对双转子航空发动机混叠振动信号分离的不足,本文将FastICA算法与FFT分析方法相结合,应用于航空发动机实测振动信号的盲分离中,对发动机试车过程中的振动信号进行了分离,提取了发动机的高、低压转子的振动特征,从而为双转子发动机的振动故障诊断提供一种有效的信号处理方法。