刀具在刃磨过程中往往会激发出大量声音信号，这些信号包含丰富的刀具信息，通过对刀具刃磨过程的声音监测信号进行处理和分析，有利于了解刀具的刃磨过程，提高现有刀具制备的稳定性。

由于声音信号很容易受外界环境干扰，首先需要对各个外界环境因素进行单一试验，这样有助于了解这些环境因素，在刀具刃磨信号分析中也有利于消噪和频率段分离。分别采集本底噪声、砂轮来回往复摆动噪声、砂轮转动噪声和冷却液噪声，对采集的声音信号做功率谱密度分析，可以较为明显地得到各个环境因素的特征频率，其中，砂轮转动噪声最大。

在此基础上，对一把完好的高速钢刀具进行刃磨，采集刃磨过程中的声音信号。然后在该刀具上做人工缺陷，再一次进行刃磨，同样也采集声音信号，并对两段声音信号进行对比研究。分析功率谱密度，发现砂轮转动噪声对采集得到的刀具刃磨声音信号影响很大。综合考虑，选用Sym6小波基，对信号进行5层小波包分解，从中挑选合适节点以分离噪声，然后对其重构，再对重构获得的信号进行功率谱密度分析。该方法可以将淹没在环境噪声中的刀具刃磨声音信号提取出来，经对比研究，发现表征刀具刃磨特征的频率分布于高频段，虽然完好刀具和破损刀具在该频段的频谱波峰形状和相互比例基本一样，但幅度有所不同，且破损刀具频谱还在7.2~10 kHz频率段上出现不少较为活跃的峰值。将采集得到的原始信号和经小波包处理的信号均写成Wave音频格式文件，与刀具刃磨过程中真实声音信号进行对比，证实其基本符合刃磨时听到的真实声音，说明信号重构方法基本合适。

相对于环境因素，高速钢刀具刃磨过程中采集得到的刀具刃磨声音比较微弱，直接对该数据进行处理，效果并不理想，采用小波/小波包对信号分解，选取包含有用信息的信号节点，然后对其重构，分析处理，可以较好地解决微弱信号提取问题，将该处理方法应用于刀具刃磨过程的信号监测是可行的。