摩擦焊是一种优质、高效、节能的固态连接技术，在航空、航天、核能、海洋开发等高技术领域中得到了广泛的应用。但在实际的焊接过程中，有时会产生未焊合、弱结合等焊接缺陷，这些缺陷的存在会使接头的力学性能大大的降低，因此对摩擦焊接头中缺陷的有效检测具有重要的现实意义。 本文对摩擦焊接头进行超声波检测，提取出检测信号。为了准确的完成对接头缺陷的检测，针对超声检测信号中混有噪声的问题，引入了基于离散二进制小波变换去噪和基于提升框架去噪两种去噪方法。以提取的超声检测信号为研究对象，分别对基于离散二进制小波变换去噪方法中分解层数、小波函数的选取、阈值的计算和基于提升框架去噪方法中提升步数、框架类型、阈值的计算进行了优化，并分析了各参数对去噪效果的影响。比较两种去噪方法的去噪效果，发现基于离散二进制小波变换去噪法更适合于本研究。实现对超声检测信号的成功去噪为下一步的缺陷检测奠定了基础。 在特征提取时，提出了利用对信号的功率谱进行小波变换来提取特征值的方法。经验证，这种方法能以较小的特征维数表征原始信号，大大压缩了分类过程中的计算量，并且功率谱特征比原始信号具有更容易识别的特点。文中根据利用小波变换所提取的特征值，搭建了一种用于实现摩擦焊接头缺陷识别的BP神经网络，使用该网络对缺陷的识别结果与实验结果能够很好的吻合。研究表明，小波分解后的逼近系数能较好的刻画原始信号的信息特征，因此可直接作为信号的特征值。 分形理论是研究自然界中不规则信号的有效工具，所以本文引入它来研究摩擦焊接头的超声检测信号。研究表明，摩擦焊接头的超声检测信号具有分形特性，可以用分形维数的概念来描述它们的复杂程度。因此本文计算了三种超声检测信号的盒维数，比较得出了它们之间的关系。这部分的研究从分形的角度为摩擦焊接头缺陷的识别提供了特征参量，有助于进一步深入的研究缺陷类型的检测与识别。