目前,随着中国工业产业的不断发展和升级,气体管道运输在工业过程中的地位越来越重要,气体管道运输包括蒸气管道运输,天然气管道运输,有毒有害气体的运输等。在工业环境中,安全问题无疑是所有工业环节中最重要的一环,而气体管道运输的通常是易燃易爆,有毒的气体,如果在运输过程中发生气体泄漏,轻则造成企业或国家的经济损失,重则危害人民的生命安全。因此一套可靠的气体管道泄漏检测系统对于气体管道的安全运输来说尤为重要。但是由于受到管道材质,铺设的周围环境温度,管道内部压力,输送介质等因素的影响,通常会导致泄漏信号被噪声淹没的现象发生,最终使得泄漏检测失去准确性。为了实现强干扰噪声条件下的气体管道泄漏检测,本文提出一种基于经验模态分解的自适应信噪分离方法和基于泄漏声纹特征的泄漏诊断方法。首先基于经验模态分解(EMD)理论实现泄漏信号的信噪逐层分离对泄漏信号进行自适应重构并获得最佳重构信号,然后对最佳重构信号进行泄漏声纹特征提取及基于神经网络模型的泄漏诊断,以此达到泄漏信号检测的目的。此外,本文采用嵌入式工控机搭建Linux操作系统实现了一套具有无线网络通讯功能的,支持GPS时间标签、数据实时采集和存储功能的RTU系统。RTU系统在为泄漏信号检测提供可靠的数据来源的同时,实时地向监控机进行泄漏报警。通过现场的测试信号重构结果和泄漏报警结果表明,本文提出的基于声纹识别技术的气体管道泄漏监测方案是可行、可靠的。