疲劳裂纹扩展状态的研究是材料疲劳裂纹特性研究的基础。声发射技术通过连续监测分析所接收疲劳试件在裂纹扩展过程中释放的声发射信号,实现对疲劳扩展状态的识别。但由于声发射信号中含有大量噪声而无法直接获取声发射源特征,导致了目前裂纹识别精度低,同时在融合的信息中如何筛选出最佳的特征参数以及选择最优的推理方法这都直接影响着识别的准确率,因此,针对实验室条件下的疲劳试件裂纹扩展过程,为了更精确地识别出疲劳试件的实时扩展状态,研究基于声发射信号的处理技术及模式识别技术是十分必要的。本文基于声发射信号,对疲劳试件裂纹扩展状态模式识别中的信号去噪、特征提取、信息融合、特征筛选及模式识别方法进行研究,以仿真与实验相结合的方法,通过对各种方法的对比研究,确定了声发射信号各处理环节的具体方法;通过对Q235中心裂纹拉伸试样裂纹扩展状态的模式识别,验证本文模式识别方法的有效性和实用性。课题具体内容如下:（1）通过对声发射信号在去噪技术方面的研究,对比分析小波变换去噪、小波包变换去噪、经验模态分解去噪等多种去噪方法,提出一种声发射信号的组合去噪方法,通过仿真信号和实验信号分析,验证所提出方法的有效性;（2）在特征提取中,分析以小波包能量谱、奇异值分解结果作为特征参数的原理和过程,并通过对仿真声发射信号和断铅声发射的特征提取,验证算法的有效性;（3）在信息融合与参数筛选中,概述信息融合的基本理论并确定最终采用的信息融合方法,对于得到的融合特征集分别用主成分分析法和核主成分分析法进行参数筛选,分析两种方法的筛选效果及对于本课题中的适用性;（4）基于对目前常用模式识别方法的研究,分别对BP神经网络、RBF神经网络、普通多分类支持向量机、基于最小二乘的多分类支持向量机的原理和实现过程进行了阐述,确定系统最终的模式识别方案;（5）通过Q235中心裂纹拉伸试样裂纹扩展状态的模式识别验证本课题提出的声发射信号去噪方法是否有效可靠,信息融合方法能否完成双通道声发射信号的信息融合,降维后的特征参数对于疲劳试件裂纹扩展状态是否具有良好的表征能力,对比分析确定的各种模式识别方法在本课题条件下的识别效果。（6）基于Matlab软件平台,完成疲劳试件的声发射信号模式识别系统功能的实现。