列车接近预警是铁路安全领域的重要组成部分,是铁路列车安全运行以及铁路施工人员安全作业的重要指标。因此要能够及时准确的识别列车接近变得非常重要,所以本课题就是基于列车钢轨轨腰的声音来进行列车接近预警研究,这样可以有效的延长预警的距离,提高安全性和准确性。采用声音信号来进行列车接近预警的关键问题在于有效的分离出列车声音。由于对采集的列车源信号与源数量都未知,本文是在这样的情况下,以采集的列车声音信号为研究对象,采取盲源分离技术来对其信号进行研究。主要讨论：改进的二阶统计量的盲源分离算法和多源信号盲信号提取算法。在通过分析现有二阶统计量的盲源分离算法的基础上,针对列车接近预警的实际提出了一种改进的基于二阶统计量的盲源分离算法,用不同时滞的协方差矩阵的平均时滞代替联合矩阵,获得混合矩阵的平均特征结构,从而大大简化了算法,同时在对角化过程中利用单位时滞方差进行白化矩阵的计算,降低了噪声对分离结果的影响。在源信号较多的情况下,为了加快分离速度,我们讨论了盲信号提取算法,它一次从观测信号中提取一个源信号,其提取主要分两步：首先根据信号的统计特性来构造一个提取信号所需要的标准,依据这个标准采用梯度法来提取一个信号,然后就是一个降阶过程,即把提取的源信号从观测信号中去除,使得观测信号中不再包含刚提取的信号。两个步骤循环直到提取到我们所需要的信号,这种算法简单,分离速度快,效率高。