水泥混凝土路面(砼路面)具有承载能力强、耐高温、使用寿命长等优点,被广泛应用于公路系统建设中。但随着交通流量日益增大,砼路面被日常车辆反复碾压,加上自然因素,直接影响到了路面板的强度与承受能力,使其内部结构发生改变,从而缩短使用寿命。其中路面脱空便是最重要的损坏现象之一,脱空的后果不仅使路面板出现裂缝或者断板现象,而且影响着交通运输的安全,所以对于砼路面的脱空检测分类研究具有较大意义。本文首先研究了国内外脱空检测方法,针对传统声振检测法提出采用麦克风阵列来进行音频信号的采集;其次在传统相干信号子空间(CSM)法上给出改进CSM法,即基于差分空间平滑CSM法来对砼路面宽带阵列音频信号进行波达角估计;然后将信号作自适应波束形成与Wigner-Ville时频分析处理,获取定向音频信号和时频特征图;最后将得到的时频图作为基础脱空检测数据,通过不同的卷积神经网络结构模型对其进行分类与结果对比分析。在网络结构模型中,首先研究了LeNet-5和VGGNet-16,然后针对VGGNet-16的优缺点给出两种不同的改进方法,一种是在第四个卷积层模块后加入大小为11?的卷积核,并与第五个卷积层模块输出结果特征拼接,然后进入全连接层;另一种是去掉前两个全连接层,加入全局平均池化。两种改进方法的主要目的是保证时频图像特征完整、降低计算复杂度和减轻过拟合现象。通过对采集到的音频数据处理分析,结果表明在DOA估计过程中,与传统宽带信号声源定位方法相比较,基于差分空间平滑的CSM法的准确性更高。此外,在卷积神经网络分类过程中,本文采用的典型网络结构LeNet-5和VGGNet-16的分类准确率分别为92.2%和96.5%。而两种改进的VGGNet-16结构分类准确率分别为97.9%和98.1%。后期通过对自适应波束成形后的音频信号加入不同强度的高斯白噪声,来分析网络模型的鲁棒性。结果发现当信号的信噪比越低,分类准确率就越低,对于不同信噪比,网络模型的下降快慢程度不同,抗噪声干扰能力也就不同。