声发射(Acoustic Emission,AE)是无损检测和评估中的一种重要方法,可广泛应用在石油化工、航天航空、材料实验和交通运输等领域。AE信号处理是AE检测技术研究的核心。根据信号波形特征,可将AE信号分为突发、连续和混合三种类型,探讨不同类型AE信号的特征和传播机理,研究相应的AE信号处理和分析技术,对于准确反演AE源信息,具有非常重要的意义。本文在理论分析和实验研究的基础上,从信号处理的角度,分别研究了三种类型AE信号预处理、特征提取和融合方法。论文的主要工作和创新点如下:(1)研究了三种类型的AE信号特征及其适用的信号去噪方法。突发型信号可以分解为一个反映群速度的调制信号和一个反映相速度的指数型信号的组合,因此论文提出一种小波和MP算法的融合去噪方法对突发型信号进行去噪处理;连续信号频散特性复杂,模态个数多,论文选取了shannon熵准则的小波包方法进行了去噪处理;混合信号在不同阶段表现出不同特征,去噪处理的关键在于对不同阶段的识别,论文分别选取了小波包和小波—MP融合方法对不同阶段的声发射信号进行了去噪处理。研究表明,不同去噪方法处理后的信号SNR明显提高,RSME降低,且原始信息得到了很好保留。(2)针对AE信号概率密度函数估计困难的问题,进行了混合因子的ICA预处理,并在此基础上提出了一种基于经验特征函数的FastICA改进算法。与常用的几种FastICA算法相比,新方法具有更好的收敛效果。实验表明,对于水管泄漏产生的连续型AE信号,通过改进ICA算法分离后的定位精度显著提高,不同泄漏点的定位精度均在3%以内。(3)提出了利用Hurst指数进行混凝土的AE信号自相似特征提取方法,并在此基础上构造了基于Hurst指数均值和方差的声发射阶段识别分类器。通过C50、C60两类混凝土的Hurst指数研究表明,随着应力增加,Hurst指数表现出一种从大变小,再急剧增大的特征,且随着材料强度增大,临界点的Hurst指数突变趋势加剧。对不同阶段的AE信号识别结果表明,基于Hurst指数识别方法对于非稳定阶段的识别具有很高的精度,且受实验条件影响小。(4)提出了利用高阶谱进行混凝土AE信号的非高斯性特征提取办法,并建立了基于高阶谱均值和方差的声发射阶段识别分类器。通过提取C50、C60两类混凝土AE信号的双谱特征发现,随着荷载增加,AE信号非高斯性增大,尤其是在破坏的临界状态,双谱均值出现3个数量级的增长。对不同阶段的AE信号识别实验结果表明,在初始阶段和稳定阶段,基于高阶谱特征分类方法具有一定优势。(5)建立了贝叶斯网络的混凝土安全特性评估模型。模型采用基于熵的离散化方法对多特征参数进行了离散化,并分别采用基于网络测度和梯度下降方法进行了贝叶斯网络结构和参数构建。实验结果表明,与单参数特征评估方法比较,基于贝叶斯网络的评估具有更好的效果和较高的精度。