声发射无损检测具有可随载荷、时间、温度等外变量而变化的实时或连续检测,且对构件环境和几何形状不敏感等特性,广泛应用于建筑、航空、铁路、汽车等众多行业的监测中。但基于声发射检测对目标监测过程中,需利用传感器阵列不间断采集物体内部裂纹萌发和扩展时的弹性波来定位缺陷或者判断损伤程度,监测过程中会采集到大量混合噪声的声发射数据,因此数据的传输时间和储存空间成为一个亟需解决的问题。为解决这一问题,本文基于压缩感知理论研究金属试件拉伸形变含噪声发射信号的重构,目的是研究拉伸过程中,噪声影响和声发射信号稀疏度变化时,较好的重构全过程的声发射信号数据,实现监测工程由有线监测转化到无线监测的目的。研究内容如下:(1)介绍压缩感知理论的基本原理,从信号的稀疏表示、测量矩阵的设计以及重构算法中的贪婪算法三方面进行阐述。并且搭建标准稀疏信号,引入贪婪算法在同一稀疏度和测量值下重构分析,以重构时间和重构误差为指标选择对比算法,为后续做基础研究。(2)搭建声发射信号的经典模型,再次引入贪婪算法在不同测量值下重构信号。验证声发射信号是否与稀疏信号的重构质量是一致的,以此来进一步选择对比算法作为后续研究改进算法的基础。根据实验室条件设计出较为合理声发射采集系统,用于采集金属试件拉伸过程中含噪声发射信号的数据,并根据声发射计数率和力学拉伸折线图,根据损伤分为不同的阶段用于后续改进算法的样本分析。(3)在对比算法的基础上改进算法,本文提出了一种基于小波去噪的双阈值正交匹配算法。该算法以残差和残差相关量变化搭建双阈值控制选择原子正交匹配重构信号,根据压缩感知亚采样的特性,引入小波去噪在保留有效频段中进一步优化算法,增加重构质量。并选择实验数据的一小段作为样本,与对比算法在不同测量值下对比分析重构质量。最后选择不同损伤阶段的数据,引入改进算法和对比算法在相同测量下重构信号,并以重构时间和重构误差评估改进算法的重构性能。结果发现整个拉伸过程的声发射信号经过改进算法重构,相同迭代次数下,重构误差和重构时间均低于对比算法,能够较好的适应稀疏度变化信号的重构,具有实践的价值。