声发射信号经常淹没在各种复杂的非平稳噪声中，使得对有用的声发射的识别非常困难，因此，在声发射识别时进行信号增强成为诸多研究者的关注热点。离散余弦变换是声信号增强的有效方法。基于态函数，给出了分数余弦变换的新定义，提出三周期离散分数余弦变换方法，介绍了基于三周期离散分数余弦变换的声发射信号增强算法和改进算法的推导过程。实验数据为在转子实验台上采集的碰摩声发射信号，通过在该信号上叠加高斯白噪声和非平稳噪声来获得模拟的严重噪声污染的声发射信号，然后用增强算法及改进算法对该信号进行降噪处理和声发射信号识别。实验结果表明：两种算法对多种非平稳噪声环境下的碰摩声发射信号均能取得较好的降噪效果，且优于离散余弦变换，是声发射信号识别的有效途径。

在旋转机械故障诊断中，声发射信号极易受到噪声的干扰。针对经验模态分解(EMD)易产生模态混叠现象，提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的消噪和旋转机械声发射碰摩故障诊断的方法。利用了EMD和小波变换的优点，通过对傅里叶频谱进行自适应划分，并构建小波滤波器组来提取声发射信号所包含的不同固有模态分量，可有效消除模态混叠现象，同时对分量进行Hilbert变换从而实现声发射信号的消噪和故障诊断。采用该方法对仿真信号进行加噪声和消噪处理，在同信号源下，对比基于dB4全阈值消噪、dB4默认软阈值消噪、dB4对高频系数处理消噪和EMD消噪效果。并将该方法应用到实际的声发射碰摩信号中。仿真和实验分析结果表明：EWT方法可以有效地分解出信号的固有模态，分解出的模态少，并且不存在难以解释的虚假模态，消噪效...