近年来,高速或超高速碰撞定位已经在许多领域得到了广泛的应用,例如载人航天器、机器人、车辆、轮船的保护,机床摩擦碰撞损伤的检测和定位等。但是,对于碰撞表面振动信号处理,传统方法通常只能处理低速的碰撞,而对于高速碰撞的相关识别定位算法还比较缺乏。本文选用的对象为铝板,采集了高速或超高速碰撞表面振动信号,提出了有效的识别定位算法,拟实现高速或超高速碰撞的振源准确识别和精确定位。本篇论文主要的研究成果有:(1)分析了振动信号在碰撞固体表面的传播特性,研究了三种不同碰撞类型的表面振动信号能量分布,以及不同距离下表面振动信号能量分布。基于小波时尺图表征信号能量分布不同的原理,提出了多尺度离散小波变换特征(Multi-scale Discrete Wavelet Transform,MDWT)提取算法。MDWT特征可同时适用于高速/超高速碰撞表面振动信号的表征。将k近邻算法(k-Nearest Neighbor,KNN)作为准确高效的分类器和核极限学习机(Kernel Extreme Learning Machine,KELM)算法作为回归模型训练算法,提出了 MDWT+KNN+KELM的振动信号识别定位算法。(2)针对振源定位问题进行了改进,深入研究了同步压缩变换(Synchrosqueezing Transform,SST)算法和图像的纹理颜色分布(Texture Color Distribution,TCD),为了更加精确的实现定位,提出了将SST特征以及它们的二次提取TCD特征进行了特征级融合的算法,其中融合的方法是基于回归问题中标签与每一维特征的相关性和相似性。(3)最后对构建分类和回归模型方面进行了优化,采用了更为丰富的机器学习算法进行实验,分别以Voting和Stacking两种方式融合了三种底层分类和回归模型作为最终构建模型的算法,实验结果表明改进后的振源识别定位算法(SST、TCD+Voting+Stacking)其振源类型识别更加准确且距离预测精度相比之前有提高,然后,基于传感器的分布,采用四圆质心定位(Four-circle Centroid Localization,FCL)算法更加精确的定位出振源坐标位置。