供水管道泄漏一直是城市供水系统面临的一大问题,管道泄漏事故产生的原因多种多样,包括各种自然及人为因素,比如土壤腐蚀、地质沉降、荷载变化等。若不能及时发现并修复,会造成大量的资源浪费,还会对供水水质、水量、水压造成威胁,甚至可能危机人身及财产安全。管网的泄漏检测方法多种多样,其中声学检测应用最为普遍。目前基于声信号处理的泄漏检测方法,其主要研究工作多数是建立在从管道上直接采集泄漏信号的基础上,而这种方式在实际的检漏工作中会受到较多局限。论文针对实际工作中的检漏状况,主要研究利用地面采集到的泄漏声信号进行泄漏检测的方法。论文首先依据傅里叶变换理论,探究不同泄漏条件下(如不同压力、传播距离、管材等)泄漏信号的特征及变化规律,发现压力的增大会导致信号功率增大,而对频率范围无影响,且二者呈现较好的线性关系;在一定范围内,信号功率会随传播距离增大呈指数衰减,但频率范围基本恒定;管材的不同不会对泄漏信号产生较大影响;结合相关系数、相干函数原理,对比分析同一条件下的管外泄漏信号和综合泄漏信号,发现在信噪比较高时,二者具有很好的相似性,表明在地面采集到的泄漏信号,其主要产生来源为管外信号源。其次,针对泄漏信号被噪声干扰的问题,采用小波分析理论,对含噪泄漏信号进行去噪处理研究。采用不同的小波函数以及阈值去噪方法,以信噪比及去噪前后信号的相关系数作为评价指标,分别对周期性信号、泄漏信号进行处理,发现小波变换能够有效抑制含噪信号中的噪声部分,提高信号的信噪比。最后,从随机性特征的角度出发,结合自相关函数理论与近似熵理论(ApEn)描述泄漏信号的“可重复性”特征,将泄漏信号与噪声信号区分开来;并选取Lempel-Ziv复杂度(LZC)计算信号复杂度,作为从区分泄漏信号与噪声信号的第二个随机性特征。采用ApEn以及LZC两个特征参数构建BP神经网络,用丰富的数据样本进行BP网络的训练,并使用确知的泄漏信号以及噪声信号进行辨识测试,得到了90%的辨识准确率,证明此方法能够从常见的干扰噪声中辨识出泄漏是否存在。将此泄漏辨识方法应用实际的检漏工作,能够显著提高工作效率,降低检漏成本。