【摘要】声发射检测技术属于一门综合技术，其涉及到的内容主要包括声学、信号处理、电学和材料学等个各个方面的知识，该技术的实用性很强，其应用背景较为广泛。本文笔者就声发射信号处理技术中的一些关键技术要点进行详细地阐述。
【关键词】信号处理独立分量分析去噪处理声发射
一、研究声发射信号处理技术的意义
在声发射检测中，常用的处理技术主要为两种，一种通过多个简化波形特征中的相关参数来表示声发射信号特征，接着对其实施分析与处理。另外一种则是记录与存储发射信号波形，并分析波形。其中简化波形特征参数的分析法，在20世纪50年代的时候应用特别广泛，使得声发射信号处理技术逐渐向商业化和标准化方向发展。其主要表现在以下几个方面：第一，通过介质将声发射信号源所产生的相关信号传播到传感器中，从而得到所需要的相关信息。其整个过程主要包括了声发射源、信号处理、波的传播以及声电传播等各方面。由于在传播过程中容易产生各种不同的噪声，这些噪声容易造成不良影响，因此必须要引进一些新型的处理技术，从而提高其后续处理精度。第二，在传播过程中，声发射信号的反射以及折射较为频繁，且传感器所接收到的相关信号较为复杂，其主要表现为一种非线性、多模态以及非平稳的信号，由于这种信号较为复杂，若利用常用的特征提取方法来进行处理，很难科学且准确地解释声发射源。因此，必须研发一种新型声发射信号特征提取方法。第三，目前我国信息处理发展的方向主要为多传感器信息的融合，近年来，随着传感器阵列测量以及多传感器的快速发展，声发射信号处理技术领域也逐渐需要加大对多传感器融合的研究。
二、声发射信号的去噪处理方法
在声发射信号处理过程中，其去噪处理是非常重要的一个环节，去噪处理方法有很多种，一般可分为使频域法、时域法和频域法。这三种方法每一种均有其不同适用范围以及应用效果，对于平稳信号，通常使用频率域分析法来进行，利用傅立叶变换来进行信号频谱特征的提取，而对非平稳信号，一般常用的方法为小波分析法，由于声发射信号属于非平稳信号，同时其信号类型也有所不同，所对应的去噪处理方式也相应有所不同。因此，对声发射信号实施传播特性分析是选取去噪处理方法的一个重要理论基础以及依据。在该基础上，所常用的两种信号去噪处理技术为矩阵束算法与小波分析法。在现代信号处理技术中，小波分析法是一种比较常见的方法，其处理过程为，首先选定一种小波基，并对信号实施N层的小波分解，通过分解以后再其各个层系数中选择一个相应的阀值，然后进行阀值处理。通过阀值处理以后的这些系数就会通过小波重新地构建原始信号。矩阵束算法是在奇异值分解的基础上的一种滤波算法，该方法将相关性作为其依据，构建一个二维矩阵束，接着分解该矩阵，把构建的矩阵非为两个不同的子空间，即噪声子空间与信号子空间，最后在信号子空间中获取最终信号。这种方法对于指数类型信号中冲击震荡噪音处理具有很好的效果。
三、独立分量分析法
目前，这种分析法在很多领域中被广泛地应用，在声发射信号处理过程中，首先独立分量和分离声发射信号，接着将这些互相独立声发射源提取出来并实施后续处理，最后把相对应的噪声滤除。这种分析方法将统计独立作为其基本原则，在独立分量分析法中，统计独立的衡量是其一个关键环节，在信号与源信号混合的模型未知状况下，按照统计独立原则，利用优化算法把多道观测信号分解成为若干个不同且独立的分量，这些独立分量属于源信号中一种近似估计。
四、声发射信号特征的提取
在信号处理过程中，人们习惯把信号或者噪声假设成为高斯性或者线性，但是事实上，在声发射信号中蕴含了很丰富的非高斯性特征以及非线性特征，而常规信号处理技术是难以进行这些信息的提取，因此，在进行处理声发射信号的时候，必须要重视其特征问题。目前信号特征提取方法常用的有两种，即高阶谱特征提取法和分形特征提取法。分形理论是在信号自相似性的基础上，对信号非线性特征进行分析，这些自相似特征作为某些信号自身所存在的一些特性，其反映了该信号自身相似尺度的比例，由于其和信号的幅度等一些参数并无多大关系，因此，在分析过程中，其结果也会有所不同。而高阶谱特征提取法可以提供比二阶谱更为丰富且有用的信息，具有抗噪声能力强和分辨率高等特点，通过该方法分析声发射信号，可有效地将测量信号中的非高斯特征提取出来，获取以往在信号分析和测量时没有提取到的一些有用信息。
参考文献
[1]吴小俊，王怀建.小波去噪在焊接裂纹声发射信号处理中的应用[J].热加工工艺，2011，40（11）：176-178，181.
[2]聂鹏，王东磊，王哲峰等.刀具磨损声发射信号处理中小波基选取的研究[J].工具技术，2009，43（1）：94-97.