由于声音信号容易受到环境噪声的影响,因此有效的降噪方法和异常特征提取方法在异音检测中至关重要。行车噪声因行车环境、车重、车速的改变,存在较大的差异,无法对行车噪声进行有效的建模,针对运行列车噪声进行实时估计更新的算法有待进一步研究。现阶段,列车异音检测主要对单一异常类型进行分析,采用的异常特征提取方法只适用于特定异常类型,针对多种异常行车类型的有效识别有待进一步研究。基于此,本文的主要研究内容如下:(1)针对多噪声源、行车噪声变化较大无法有效建模的问题,提出一种改进的最小值控制递归平均算法(Minima Controlled Recursive Averaging,MCRA)作为行车噪声的估计方法,有效解决了MCRA算法存在的噪声估计延时问题和噪声功率谱估计不准确问题。该算法能实时估计行车噪声,有效解决了不同环境下无法有效噪声建模的问题。(2)针对异常行车类型多的特点,提出一种以改进能熵比值为特征值的列车异音检测方法。不同于传统能熵比方法只能实现能量突变检测的功能,改进的方法对应不同的异常类型选取特定的异常频段做能熵比检测,有效识别了四类异常行车情况。(3)搭建了车站列车运行安全监测系统,主要包括降噪模块,车头车厢分离模块,行车异常类型检测模块。实现了定位异常车厢、判别异常类型的功能,并能够确定车速。通过对从杨柳青、静海、唐官屯车站采集到的5000段进出站行车声音进行检测,有效区分了异常行车情况,检测准确率为91%。实验结果表明,利用改进的MCRA算法对列车行驶声音进行降噪处理,能有效降低行车噪声对异音检测的影响,同时结合改进的能熵比检测法能有效识别各异常行车类型,具有一定的实用价值。