随着信息和科学技术不断地提高,人们对信息的安全性要求也提高了,声发射(Acoustic Emission,AE)识别技术被广泛地应用在基础建筑材料和各种设备仪器上,完整的声发射识别系统主要由预处理、参数特征提取、模式匹配以及判定组成。只有准确地识别出声发射信号,才能进一步研究声发射信号。同时,实际过程中绝大部分的声发射信号都含有噪声,所以寻找一种鲁棒性较好的声发射识别技术也是迫在眉睫的事情。另一方面,最近这几年中,压缩感知理论被广泛地应用,它的优势是对信号的采样速率比奈奎斯特频率还要低,而且对信号进行采样的同时也进行压缩,这对获取信号大量数据时带来巨大的优势。在本文中将压缩感知理论与声发射识别技术结合起来,这一突破增强了声发射识别系统的性能,在实际的应用领域中是一项非常有意义的研究。本文主要研究压缩感知理论和声发射识别技术,具体工作如下:1)详细研究了声发射的特点以及应用领域,对声发射信号的检测技术和处理方法展开了讨论,并研究了声发射信号特征提取的方法。2)对稀疏表示理论在模式识别中的应用做了研究,分析了该理论与压缩感知的联系,提出了一种基于GMM模型的均值超向量构造稀疏基的方法。随后提出了一种基于压缩感知的声发射识别算法,将两种理论相结合是具有重大的研究价值。3)为了得到信号比较稀疏的稀疏解,深入研究了基于匹配追踪类算法的压缩感知在声发射识别技术中的应用,该算法的收敛速度快,而且思路比较简单,有效提高了声发射信号的识别率。4)深入研究了基于贝叶斯理论下的压缩感知算法,该算法在观测噪声的影响下,也能得到比较稀疏的解。鉴于该算法得到的解更接近于最小/。-范数的解,率先提出了基于贝叶斯压缩感知的声发射识别算法。最后,本文还对所做的研究和成果进行了总结,同时,还对以后的研究进行了期望。