快速发展的半导体集成电路成为了现代工业升级进步的强力助推器,而依赖高精的集成电路的工业设备中,静电放电引发的火花容易造成设备故障。静电火花能辐射出高频电磁波,瞬时能量值十分巨大,轻则损坏设备,重则引起火灾等重大危险事故。本文首先介绍了静电火花4种常用发生模型和4种常规检测方法,介绍了电晕放电、火花放电、刷形放电和传播型刷形放电的发生机理并确立其作为本文的研究对象。对4种静电火花类型进行模拟实验,获取大量的静电放电信号,为研究静电火花电磁波特征及识别提供样本。考虑到现场环境的复杂性,采集到的波形必定是混入了噪声,因此需要选取合适的去噪方法,仿真对比了小波去噪和小波包去噪算法,小波包去噪更适合静电火花电磁波信号,实际信号的去噪效果验证了仿真结论。对滤波信号希尔伯特变换后进行谱分析提取特征,最终提取出能够表征信号特征的6个高频信号分量的边际谱能量作为特征参数。首先用RBF神经网络对静电火花电磁波进行识别,再用基于线性核函数和径向基核函数的支持向量机SVM进行识别,对径向基参数进行粒子群算法寻优。对比80组放电火花样本识别,RBF神经网路正确识别73组,错误5组,无法识别2组,识别率91.3%;而SVM在选用线性核函数时识别正确74组,错误6组,识别率92.5%;选用径向基核函数时,识别正确76组,错误4组,识别率95%,对刷形放电信号的识别率较RBF神经网络有较大提高。因此支持向量机SVM更适合识别静电火花。