如今,锅炉管道等工业设备已被广泛应用于各行各业,在不同领域发挥着重要作用。但是,随着锅炉管道的快速发展,相应的泄漏爆炸事故也在不断增多,给国家和人民的生命财产安全带来严重威胁。锅炉管道老化、腐蚀是导致泄漏爆炸事故频发的主要原因。研究表明,在锅炉管道出现泄漏之前,其材料内部先产生裂纹,断裂部位会产生瞬态弹性波形,即声发射(Acoustic Emission, AE)。声发射检测技术是一种可以用于检测锅炉管道是否出现裂纹的一种动态无损检测方法。通过对检测到的声发射信号进行分析处理,可以得到早期裂纹的大量信息。但现场检测到的声发射信号往往伴随着复杂的工业背景噪声,给声发射信号的提取识别造成困难,因此,研究一种可靠的声发射信号检测识别技术具有重要意义。论文首先根据声发射信号的特征,研究了仿真声发射信号的数学模型,将压缩感知(Compressed Sensing, CS)理论及经验模态分解(Empirical Mode Decomposition, EMD)方法引入模拟声发射信号处理中,从数据压缩和分解两方面对声发射信号检测技术进行改进；其次,将近似熵(Approximate Entropy, ApEn)和递归定量分析(Recurrence Quantification Analysis, RQA)方法应用到声发射信号的检测处理分析中,对声发射信号进行特征提取,为准确识别声发射信号提供更多有用信息；最后,根据提取到的声发射信号特征信息,利用支持向量机(Support Vector Machine, SVM)对声发射信号进行分类识别。实验结果证明将压缩感知的信号处理方法应用到声发射信号的检测技术中,可以节省数据传输和储存成本；通过对比信号的EMD分解,EEMD分解和掩膜信号法分解,验证了掩膜信号法能有效改善声发射信号分解过程中存在的模态混叠现象；将EMD和近似熵算法引入声发射信号的检测识别中,可以有效提取声发射信号的特征信息；用RQA值作为特征参数输入SVM分类器可以得到很高的分类精度。