随着经济的快速发展,我国对进口木材的依存度逐年上升,目前已接近50%,超过了国家木材安全的警戒线。民生水平的提高使人们对衣柜、橱柜、床具等日常家居有了更高要求,带动家具板产业快速发展,木材供需压力与日俱增。如何在生产初期对家具板材进行缺陷检测,及时回收存在缺陷的家具板材再利用,对缓解我国木材压力有重要意义。传统人工检测方式效率低且主观性强,基于此,本文提出基于敲击声学方法的木板材内部空鼓检测方法。论文主要研究内容如下:（1）首先搭建了基于硬件系统和软件系统的敲击与声音采集平台,提出了对信号的预处理方法,主要包括信号分段、预加重及频域变换,基于对正常与空鼓木板材频域图像的比较,针对空鼓缺陷信号易受噪声影响发生频率重心偏移,提出基于变分模态分解（variational mode decomposition,VMD）和皮尔逊相关系数的降噪方法对信号进行处理。（2）构建含噪仿真信号,通过对其进行VMD分解探究分解层数k与惩罚因子α对分解效果的影响。针对如何确定最优参数组合以保证分解效果达到最好,提出多目标粒子群（Multi Objective Particle Swarm Optimization,MOPSO）优化VMD参数。当多目标粒子群Pareto最优前沿解集的适应度值随着寻优迭代的进行取得最小值时,得到最优分解参数组合[k,α]=[7,1256]。运用最优参数组合对木板材敲击声音信号进行分解,结果表明,通过本文算法,信号得到彻底分解且并未发生模态混叠现象,进而对分解得到的7个本征模态函数分量进行皮尔逊相关系数分析,将其中极弱相关的分量去除,其余5个分量相加进行信号重构以实现降噪。（3）对于已经降噪完成的正常及空鼓信号样本,运用三种特征提取方法,即Lempel-Ziv复杂度分析特征提取、皮尔逊相关矩阵特征提取、共空间模式特征提取,通过三种方法所提取的特征运用LDA线性判别方法进行木板材状态识别与分类,分类准确率分别为86.67%、82.56%和96.67%。实验结果表明,通过共空间模式进行特征提取,结合线性判别方法对木板材分类效果最好。（4）在完成木板材敲击声音检测理论分析证明方法可行性后,对基于敲击声音的木板材内部空鼓检测设备进行机械结构设计,设计内容主要包括敲击与传送平台以及筛选机构两部分,对结构的三维样机进行了展示,介绍了木板材空鼓检测系统的工作流程。