[0126] 在一可实施方式中，本发明实施例二的装置还可包括：
[0127] 损伤类型分析单元50,连接所述后处理单元40,用于分析所述分离信号的时频特 性，并将所述分离信号的时频特性与已知的各种损伤类型的声发射信号的时频特性进行比 较，以确定所述分离信号对应的损伤类型。
[0128] 需要说明的是，上述原始波形信号提取单元10、信号预处理单元20、稀疏盲源 分离单元30、后处理单元40和损伤类型分析单元50可以由本发明实施例二所述监测装 置的中央处理器（CPU，CentralProcessingUnit)、微处理器（MPU，MicroProcessing Unit)、数字信号处理器（DSP，DigitalSignalProcessor)或可编程逻辑阵列（FPGA， Field-ProgrammableGateArray)实现。
[0129] 实施例三
[0130] 本发明实施例三还提供了一种复合材料结构的损伤监测系统，如图3所示，所述 系统包括：至少两个声发射传感器、电荷放大器和数据采集处理器；其中，
[0131] 所述声发射传感器，用于采集针对所述复合材料结构的声发射信号，输出给所述 电荷放大器；
[0132] 所述电荷放大器，用于对所述声发射传感器输出的声发射信号进行放大处理，输 出传感信号给所述数据采集处理器；
[0133] 所述数据采集处理器，用于获得传感信号，并对获得的传感信号进行模数转换，得 到声发射波形信号；对所述声发射波形信号进行预处理，得到预处理后的数据矩阵；对所 述预处理后的数据矩阵进行稀疏盲源分离，得到分离后的信号；对所述分离后的信号进行 小波消噪处理，得到消噪后的分离信号。
[0134] 其中，所述数据采集处理器可以包括本发明实施例二所述的复合材料结构的损伤 监测装置。也就是说，本发明实施例三的数据采集处理器可以包括：
[0135] 原始波形信号提取单元，用于获得传感信号，并对获得的传感信号进行模数转换， 输出声发射波形信号；
[0136] 信号预处理单元，用于对所述声发射波形信号进行预处理，输出预处理后的数据 矩阵；
[0137] 稀疏盲源分离单元，用于对所述预处理后的数据矩阵进行稀疏盲源分离，输出分 离后的信号；
[0138] 后处理单元，用于对所述分离后的信号进行小波消噪处理，得到消噪后的分离信 号。
[0139] 其中，所述信号预处理单元可以包括：
[0140] 带通滤波器子单元，用于对所述声发射波形信号进行低频载荷信号滤除处理，输 出无载荷声发射信号；
[0141] 有效数据提取子单元，用于对所述带通滤波器子单元输出的无载荷声发射信号进 行有效的声发射数据段截取处理，输出有效声发射信号；
[0142] 中心化子单元，用于对所述有效数据提取子单元输出的有效声发射信号进行中心 化处理，输出中心化声发射信号；
[0143] 预白化子单元，用于对所述中心化子单元输出的中心化声发射信号进行预白化处 理，输出所述预处理后的数据矩阵。
[0144] 所述稀疏盲源分离单元可以包括：
[0145] 稀疏表示子单元，用于所述预处理后的数据矩阵进行稀疏表示，输出稀疏混合信 号；
[0146] 混合矩阵估计子单元，用于对所述稀疏表示子单元输出的稀疏混合信号进行混合 矩阵估计，输出稀疏混合矩阵；
[0147] 信号估计子单元，用于对所述混合矩阵估计子单元输出的稀疏混合矩阵和所述稀 疏表示子单元输出的稀疏混合信号进行信号估计，输出稀疏源信号；
[0148] 信号重构子单元，用于对所述信号估计子单元输出的稀疏源信号进行信号重构， 得到所述分离后的信号。
[0149] 所述数据采集处理器还可以包括：损伤类型分析单元，连接所述后处理单元，用于 分析所述分离信号的时频特性，并将所述分离信号的时频特性与已知的各种损伤类型的声 发射信号的时频特性进行比较，以确定所述分离信号对应的损伤类型。
[0150] 需要说明的是，上述原始波形信号提取单元、信号预处理单元、稀疏盲源分离单 元、后处理单元和损伤类型分析单元可以由本发明实施例三所述数据采集处理器的CPU、 DSP或FPGA实现。
[0151] 通过实施本发明上述实施例，至少能够获得以上有益效果：
[0152] 通过本发明以上实施例，提取多源损伤声发射混合波形信息，并结合稀疏盲源分 离理论，通过对混合声发射波形信息进行预处理、稀疏盲源分离及后处理等处理手段后，得 到了多个反映复合材料单一损伤形式的声发射波形信息；这种方法结合了声发射波形信号 的时频域信息，具有定量化的特点，能够全面准确的对复合材料结构的损伤状态做出正确 的评估；
[0153] 本发明实施例利用声发射技术，可以对复合材料结构上同时出现的多个不同类损 伤信号进行分离，适用于实际构件，并能更准确的对复合材料结构损伤状态作出评估；
[0154] 本发明实施例利用稀疏盲源分离理论，可以减少系统中声发射传感器的数量，从 而减小系统的硬件复杂度，更利于该系统的实际推广应用；
[0155] 使用本发明实施例可以对各种工况下的复合材料结构进行实时监测，出现危险情 况时可及时预警，因此可以大大减少人员财产的损失，保证安全以及经济效益。
[0156] 需要说明的是，本发明实施例的复合材料结构的损伤监测可适用于很多种行业应 用，如飞机上的复合材料结构的损伤监测、高铁上的复合材料结构的损伤监测等等。下面以 飞机上的复合材料结构的损伤监测为例，进一步详细阐述本发明实施例的复合材料结构的 损伤监测方法、装置和系统。
[0157]实施例四
[0158]为了减少飞机复合材料结构在使用过程中，由于损伤导致的结构失效事故，本发 明实施例四提出一种采用声发射技术对飞机复合材料结构进行实时监测，利用较少传感器 (不少于2个）获得的声发射损伤状态信号，结合稀疏盲源分离方法，得到不同类型的损伤 声发射信息；应用本发明实施例四的监测结果能够对飞机复合材料结构的损伤状态进行评 估判断，从而做出预警，减少装备及人员伤亡等损失。
[0159] 本发明实施例四通过在复合材料结构上布置不少于2个声发射传感器，并且多个 声发射传感器的输出端分别与电荷放大器单元连接，放大后的信号再与数据采集处理单元 连接。该声发射数据采集处理单元对接收到的多路传感信息应用本发明实施例的复合材料 结构的损伤监测方法进行处理，从而对被测对象（复合材料结构）的损伤类型进行评估，输 出损伤类型判断结果。参见图3所示，一个声发射数据采集处理单元分别与电荷放大器单 元、声发射传感器1、声发射传感器2、......、声发射传感器N(N多2)连接，通过多个声发射 传感器实现对被测对象的多路损伤信息的采集。
[0160]参见图4,图5a和图5b所不，为了及时发现飞机复合材料结构的损伤状态，本发明 实施例采用声发射技术对疲劳加载试验时的复合材料结构进行损伤监测，该监测装置包括 原始波形提取单元1、信号预处理单元2、稀疏盲源分离单元3和信号后处理单元4。
[0161] 在本发明实施例中，原始波形提取单元1将多个声发射传感器分别输出的损伤传 感信息Xn，进行调理放大、模数转换后得到多源损伤混合信号阵列X(t)。
[0162]由于疲劳加载环境下载荷信号会叠加在损伤声发射信号上，本发明实施例根据疲 劳试验载荷谱以及复合材料损伤声发射信号的频谱特性首先设计一种切比雪夫带通滤波 器，Xfilter (t) =chebybandpass〇(Uhfpfh)，用于滤除疲劳载荷信号及其它高频干扰信号； 其中，&代表带通滤波器的左截止频率，其值为1kHz，匕代表带通滤波器的右截止频率，其 值为 450kHz。
[0163]由于复合材料损伤声发射信号的持续时间很短（大约为1ms)，为了减少后续稀疏 盲源分离算法的计算复杂度，本发明实施例采用基于阈值门限的方法设计了一个矩形窗作 为有效数据提取子单元，提取后得到的信号为X'flltCT (t)。
[0164]为了提高常规稀疏盲源分离算法的分离效果，本发明实施例将独立成分分析中的 去均值和白化处理引入到信号预处理单元，其中去均值的计算公式如下：
[0169]其中，Q是一个线性转换矩阵，其满足如下限制= =I
[0170] 图5b是采用常规稀疏盲源分离方法的结构框图，经过预处理后的信号首先采用 短时傅里叶变换进行稀疏表示，得到又(t) =WCvO,其中，A代表混合矩阵，?代表稀疏字 典，Cs代表待分离信号在稀疏字典上对应的系数。经过稀疏表示后，通过模糊C均值聚类 方法进行混合矩阵的估计，得到I，然后利用1^范数最小化方法获得待分离信号的稀疏估计 最后再利用短时傅里叶反变换获得待分离的信号（也称为源信号）估计I。
[0171] 为了验证本发明实施例预处理方法的有效性，本发明实施例设计了如图6所示的 数值仿真环境进行验证，在一块复合材料板上三个不同位置模拟三种不同类型的损伤，包 括基质开裂（MatrixCrack)、分层（Delamination)和脱胶（Debonding)，采用2个传感器 (Sensorl和Sensorf)进行混合损伤信号的采集，考虑到疲劳载荷信号（最大峰值为IV，频 率为IOOHz)以及环境噪声（采用随机噪声进行模拟）后，获得如图7所示的损伤混合信号。
[0172] 对于图7的损伤信号如果