近年来随着我国航天事业的飞速发展,由于航天产品造价昂贵,可重复利用率差等因素的存在,使得检测活动多余物的技术愈来愈重要。活动多余物产生主要是生产过程不规范,工人操作不当等原因生成的,多余物的存在可能会导致整个产品失效。而航天产品的一个重要指标就是可靠性,所以活动多余物的检测成为亟待解决的问题。本课题在此背景下,提出了检测活动多余物材质的算法。首先,借助基于微粒碰撞噪声检测法(Particle Impact Noise Detection,PIND)方法的活动多余物检测装置,将被测物体放置在检测转台上,通过PIND方法检测出活动多余物信号。根据检测到的活动多余物信号选择合适小波包进行信号分解,计算分解后各频段的能量占,并根据该比值重构活动多余物信号,同时滤除噪声。然后对重构后的信号在时域、频域上进行特征值的提取。并借鉴语音信号中梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)特征值的提取方式,对活动多余物提取MFCC特征值。对得到的特征值样本进行主成分分析,并根据方差贡献率的大小来确定主成分从而实现数据降维的目的,该过程不仅实现了特征值样本的降维,而且又保留了原特征值样本集的主要信息。最后采用支持向量机方法,对降维后的特征值样本分为训练样本和测试样本。训练样本作为支持向量机分类器输入参数,使用训练样本生成的分类器模型对测试样本进行样本类别预测,实现自动检测活动多余物的材质,通过实验验证,其分类准确率高达90%。本文采用了理论和实践相结合的研究方法,参考了现有的检测活动多余物的算法,保证了检测活动多余物的算法符合实验要求,提高优化了算法的准确性和活动多余物检测材质的准确率。