钢筋混凝土桥梁暴露在恶劣工作环境下常常受到裂纹损伤威胁,及时有效地检测到混泥土梁的微裂纹以及识别梁的损伤状况是保证桥梁安全作业的重要基础。针对目前采用全波形声发射仪采集声信号受到噪声污染而影响探伤精度的问题,提出了基于神经网络的非线性独立分量分析(ICA)与维格纳分布(WVD)的损伤声发射信号特征提取与识别的新方法。通过RBF网络估计混入声信号中的非线性噪声成分,利用ICA算法分离出真实的梁损伤声信号,消除噪声干扰,并应用WVD分析分离信号的时频谱分布,提取信号特征频率处的能量特征作为识别损伤状态的有效参数。三点弯曲加载试验结果表明,非线性ICA能够有效抑制噪声导致的声信号频率漂移,得到信号可靠的关键特征,提高梁裂纹损伤的识别精度,且结果比不进行去噪处理提高了9%。