声发射(Acoustic Emission,AE)信号处理是声发射技术的重点研究内容,也是无损检测评估中的关键环节。AE信号对结构内部损伤程度、类型和位置的识别是AE检测技术研究的核心。AE信号按照其产生的物理本质分为典型和二次型,传统的信号处理方法对此并没有区分。分别探讨这两种类型AE信号在产生机理、传播特性和波形特征等方面的共性和特性,研究相应的AE信号处理和分析方法,也是急需解决的问题。本文从工程应用的角度,分别研究了两种AE信号的产生机理和处理方法,一方面,针对二次型AE信号,以旋转机械碰摩AE信号为研究对象,深入研究了 AE信号的预处理、定位和识别的新方法;另一方面,针对典型AE信号,以煤岩样冲击破裂的AE信号为研究对象,提出了对AE波形的特征提取方法和对煤岩体冲击破裂状态预测的新方法。本文主要内容包括:针对金属自由板内AE信号的传播特性进行了深入的理论分析和实验验证,提出了一种对AE传感器信号的多模抑制和频散补偿的预处理方法。实验结果表明,该方法能有效分离出AE信号中的主要成份A0和S0,滤除高阶模态波的干扰,减弱AE监测信号中波包扩展和变形程度,以及合成与频散补偿出单一模态波,进而为AE源类型分析提供依据。针对旋转机械碰摩AE信号的宽带、多模态和频散特性,引入了基于频率聚焦理论的近场多重AE源定位算法,并推导了频率聚焦矩阵的计算公式。针对算法对聚焦频率和声源位置初值的依赖性,进一步对算法进行完善,提出了基于频率自动聚焦的近场AE源定位方法。研究结果表明,两种方法均具有较好的分辨相干信号的能力,后者对AE源的定位精度较高、计算量小,可为碰摩初期故障的检测提供有效依据。结合AE信号能量在空间分布上具有稀疏性的特点,引入稀疏分解理论,提出了时域多快拍近场AE源定位算法,构建了特征子带阵列信号在空间上稀疏分解的凸优化模型,得到AE信号在整个空域中能量分布的稀疏系数。针对近场双AE源定位中较远AE源的定位精度不理想且计算复杂度高等问题,从子带分解和粗-细网格的优化搜索策略角度出发,提出了基于频率多快拍的近场AE源稀疏分解定位算法。实验结果表明,改进的方法定位精度高,计算量小,实用性强,具有很好的解相干能力,可以有效地应用于碰摩AE信号的定位检测中。基于深度学习框架下的卷积神经网络,提出了一种转子碰摩故障AE信号识别新方法。对频散补偿后的AE信号提取语谱图特征,从时间、频率和能量角度构建不同工况下AE信号的状态参数,利用卷积神经网络对碰摩故障进行识别。该方法直接对AE信号的语谱图特征学习和识别,避免了人为选择某些局部特征而造成的信息丢失,能更全面的描述AE信号的碰摩特征。实验结果表明,该方法具有较好的碰摩故障识别性能。在AE信号预测煤岩冲击破裂研究中,首先,分析了煤岩内部断裂发出的AE信号的产生机理,从无标度区域的优化搜索方面改进了 GP关联维数特征。实验结果表明,改进的GP关联维数对岩样从稳定期到破裂阶段的演变更加敏感,在噪声环境下具有较强的鲁棒性,是用于岩石破裂状态识别的有效特征。在此基础上,针对AE信号的高频和低频特征对岩石破裂过程的不同反应,提出了多分辨率特征融合的岩石失稳破坏预报方法。从识别结果可以看出,该方法对煤岩所受应力状态的识别性能较好,且对岩样危险状态预测具有较好的灵敏度,为煤岩体危险状态的识别和分析提供了一条新的途径,类似识别模型在AE预测煤岩体冲击破裂领域尚无先例。