1.基于小波变换融合盲源分离算法的泄漏声波特征提取方法，其特征是，包括以下步骤：步骤一：在被测管道上设置传感器，通过传感器对泄漏点进行信号采集，获取泄漏声波采集信号；

步骤二：利用小波变换对泄漏声波采集信号进行预处理，获取多个细节信号，将泄漏声波采集信号和多个细节信号作为观测信号，并对观测信号采用盲源分离算法进行处理，获取目标信号；

步骤三，对步骤二中的目标信号进行评价，并对观测信号组成进行优选。

2.如权利要求1所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，其特征是，所述步骤一中，声波传感器采用动态压力传感器。

3.如权利要求1所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，其特征是，所述步骤二中，小波变换采用的小波基为sym8，分解层数由传感器采集的泄漏声波采集信号中含有的信号种类决定，所述信号种类包括泄漏声波信号，背景噪声以及流动噪声。

4.如权利要求3所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，所述背景噪声包括动力设备的运转，管道外部环境的噪声以及硬件设备、电路产生的噪声；所述流动噪声包括流体流动产生的湍流噪声。

5.如权利要求3所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，所述步骤二中，观测信号获取方法具体步骤如下：步骤S201：将泄漏声波采集信号作为原始信号，确定小波分解层数N，N大于等于2,将原始信号作为待分解信号,进行小波分解，分解首次分别获取第一层细节信号和第一层近似信号；

步骤S202：将第一层近似信号作为待分解信号，对待分解信号进行小波分解，分别获取待分解信号对应的第二层细节信号和第二层近似信号；

步骤S203：将第N-1层近似信号作为待分解信号，重复执行步骤S202，直至达到分解层数N，第N-1层近似信号小波分解对应第N层细节信号和第N层近似信号；

步骤S204：选取第一层至第N层对应的各层细节信号以及第N层近似信号作为观测信号。

6.如权利要求5所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，所述根据信号种类确认分解层数的方法为：分解层数等于泄漏声波信号种类减1。

7.如权利要求5所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，所述目标信号数量定义方式为目标信号的总数等于观测信号的总数。

8.如权利要求5所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，所述目标信号数量定义方式为目标信号数目为一个。

9.如权利要求1所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，所述步骤三中，利用泄漏时刻采样点偏差和幅值损失作为评价参数。

10.如权利要求8所述的基于小波变换融合盲源分离算法的泄漏声波特征提取方法，所述泄漏时刻采样点偏差指目标信号的泄漏时刻采样点与原始信号的泄漏时刻采样点之差；

所述幅值损失指目标信号的泄漏幅值与原始信号的泄漏幅值的差值与原始信号泄漏幅值的绝对值之比。