本文研究了摩擦焊接头超声检测信号处理与缺陷检测的问题，以航空发动机常用材料GH4169高温合金摩擦焊接头的超声检测信号及超声C扫描检测图像为研究对象，重点研究了小波分析理论、小波神经网络、分形理论及数学形态学方法在超声信号与超声C扫描图像的去噪及缺陷识别中的应用，取得了一定的成果，主要研究工作如下： 1、将小波理论应用于非平稳信号的去噪，针对小波阈值去噪中硬阈值函数不连续及软阈值函数有恒定偏差的缺陷，提出几种改进的阈值函数用于摩擦焊超声检测信号的去噪仿真实验，通过比较去噪结果及信噪比与均方根误差等参数，从中选择一种较好的阈值函数。 2、根据小波包变换的性质，将摩擦焊超声检测信号在最优小波包基下进行分解，在基于最优小波包基的信号去噪方法中，应用改进的阈值函数对超声检测信号进行去噪，获得了较好的效果。 3、利用小波分析和神经网络对非线性系统辨识的优点，构造了一种用于信号识别的小波神经网络网络，并用于摩擦焊接头缺陷的分类与识别，识别结果优于传统的BP网络，在小波与神经网络的结合方面做了有益的尝试，取得了较好的效果。 4、摩擦焊C扫描超声图像在采集及变换中会引入噪声，本文利用非线性滤波方法-数学形态滤波方法实现了图像的去噪，并与小波阈值及中值滤波方法作比较，去噪结果表明，形态滤波方法优于中值滤波与小波阈值去噪方法。 5、为实现摩擦焊超声C扫描图像的特征提取，利用分形理论计算超声C扫描图像的分形维数，结果可以作为缺陷图像的一个特征变量，为摩擦焊超声C扫描图像缺陷识别打下基础。