碳纤维复合材料凭借刚度大、强度高、耐腐蚀性好等优点已经被广泛应用于航空航天及汽车领域。虽然复合材料的加工工艺逐步成熟,但是在生产及服役过程中仍极易出现各种内部缺陷,若不及时对材料进行安全性的检测评估将带来严重后果。本文针对碳纤维复合材料中的分层缺陷,结合超声相控阵技术,以提高超声相控阵系统的检测效率、改善成像质量为目标,对实验系统采集到的信号进行处理与成像,最终实现了对不同深度下的分层缺陷的检测与准确评估。主要研究内容及创新点如下:1、对超声相控阵聚焦法则原理及声场特性进行分析,并搭建相控阵C扫实验系统。研究了相控阵的聚焦法则及合成孔径算法,分析了不同合成孔径及聚焦深度对声场焦区特性的影响,提出了一种针对不同检测工况的检测参数优化方法。基于以上理论基础,本文搭建了超声相控阵C扫实验系统,采用多阵元合成孔径算法（MSAF）对试件的全部位置进行信号采集;同时设计了上位机界面,实现了超声信号的C扫全自动实时成像。结果表明,该系统能够扫查试件全部位置的缺陷信息,提高了相控阵系统的检测效率。2、基于改进的经验模态分解（Empirical Mode Decomposition,EMD）算法分解超声回波信号,并通过改进本征模态函数的筛分准则提高了对缺陷特征信号提取的准确性。本文在希尔伯特黄变换（Hilbert-Huang Transform,HHT）的基础上,采用完全自适应噪声集合经验模态分解（Complete EEMD with Adaptive Noise,CEEMDAN）算法对超声信号进行分解,有效地抑制了EMD算法中的模态混叠与端点效应的影响;根据互相关系数和均方根误差两个准则筛分最优本征模态函数,绘制Hilbert包络线完成信号重构。实验结果表明,改进筛分准则后的重构信号能够有效地减少上下表面结构噪声影响,提高了缺陷特征提取的准确性。3、提出了多闸门特征提取与图像融合算法,完成对不同深度位置的缺陷图像特征提取与定量分析。首先,设置多个超声闸门实现对不同位置下的缺陷特征提取,采用像素级加权平均法进行融合成像。为了减少图像噪声影响并优化缺陷特征区域的边缘特性,对图像进行平滑滤波与形态学的增强处理。最后,根据最大类间方差法（Otsu）完成对全部缺陷图像特征的分割提取与定量分析。实验结果表明,多闸门特征提取的融合成像方法提高了不同深度缺陷检测结果的准确性,并且能够表征出缺陷对应的位置信息。本文研究结果为碳纤维复合材料分层缺陷的相控阵成像提供了参考依据,具有一定的理论与应用价值。该论文有图53幅,表9个,参考文献85篇。