金属矿产资源的开发和利用保障了现代工业的发展,在金属材料使用规模越来越大的趋势下,一旦出现假冒伪劣产品,会对工业生产和生命安全造成非常严重的影响,故金属材料的质量检测至关重要。超声检测技术由于其穿透力强,非接触、对材料和人体无害,使用方便等特点,在工程中得到广泛应用,被称为“绿色无损检测技术”。超声检测一般是利用超声波与待测样品之间的相互作用,测量回波的反射、透射和散射等相关参数,实现对金属材料的缺陷检测、参数测量、组织结构和力学性能的表征等。本文针对工程中对金属材料的检测需求,分别采用单探头和相控阵超声探头,采集金属材料的超声回波,利用信号处理算法提取特征,实现对金属材料的辨识。本文的主要工作和创新点如下:1针对工程中金属材料的检测需求,分别采用超声脉冲发射/接收系统及相控阵回波信号采集系统,提取样品的超声回波信号,计算时域回波信号的加权欧氏距离和相关性函数,对金属材料进行辨识。结果表明,通过计算金属材料回波信号的加权欧氏距离和相关性函数,能够快速、准确的辨识标准样品材料。2利用超声脉冲发射/接收系统和相控阵系统,分别采集四类性质相近金属材料的回波信号,对相近金属材料的超声回波信号进行经验模态分解（Empirical Mode Decomposition,EMD）,计算特征量（Intrinsic Mode Function,IMF）的广义相位排列熵,最后找出差异最为显著的特征量作为材料辨识的参数。广义相位排列熵通过计算回波信号各特征分解分量瞬时相位的熵信息,依据对参数q、δ的调节,能够放大相近金属材料间的细微差异,以此信息作为辨识的特征参量,可以实现金属材料的准确辨识。3以超声回波信号重构特征分量的广义相位排列熵为参数,分别使用KNN（K Nearest Neighbors）和KSVM算法对采集的回波信号进行聚类分析,绘制聚类散点图,对比了两种算法的分类准确率。结果表明,KSVM分类准确率高于99.1%,对于性质相近材料的辨识,KSVM具有较好的检测性能。论文研究将为性质相近金属材料的质量检查、残次品辨识和分类提供了一种思路。