超声检测中，需要根据不同的情况，如试样厚度、分辨率、缺陷深度及方向等而使用不同中心频率的探头。这成为信号自动分类中的一个主要问题。因为大多数模式分类算法与信号的形状密切相关．而信号的形状很大程度上随检测频率的变化而变化。为使分类系统不受检测频率的影响而能识别不同频率的同一类缺陷信号．文中采用了基于时间尺度化的频率一致性分析方法把不同频率的信号映射到同一参考频率。采集了两个焊接缺陷样本库也即尺度化处理样本库和没有尺度化处理样本库，并用类别可分性判据做定量对比。实验结果验证了频率一致性处理方法的有效性，能够消除换能器频率对分类的影响。

根据非稳态超声检测信号的特点，将小波包变换用于缺陷信号的降噪及特征提取问题的研究，并利用类别可分性判据和RBF神经网络分别对特征值提取结果进行评价。引入了平均阈值的概念，在此基础上研究了小波包降噪效果。提出了以选取小波包分解频带的能量作为缺陷信号特征值的方法。实际焊接缺陷的实验结果表明，小波包降噪效果明显；在特征数据得以压缩的同时，分类的可分性较高。