应用超声检测装配式钢结构防护涂层厚度时，由于涂覆涂层非常薄，会造成回波信号发生混叠，影响厚度检测的准确度。针对此问题，探索了一种基于自适应特征字典和经典字典学习（K singular value decomposition，简称K-SVD）算法的信号时域特征提取方法。首先，利用小波变换对信号奇异值敏感的特性，识别信号的极值并将其作为新的待处理信号；其次，将经过小波变换提取出的特征信号变换为Hankel矩阵形式，并通过周期分割与随机提取的方式构造初始化特征字典；然后，通过改进K-SVD算法获得优化后的特征字典；最后，通过优化后的特征字典重构时域信号。仿真和实验结果表明，与传统的小波变换和基于Gabor字典的匹配追踪（matching pursuit，简称MP）算法相比，该方法分离混叠信号、提取信号时域特征信息的能力更准确，更有利于检测防护涂层的厚度。