表2列出了常用声发射信号参数的含义和用途。这些参数可定义为随时间或试验参数变化的函数，如声发射事件计数率、声发射振铃计数率和声发射信号能量率等。也可定义为时间或试验参数的函数，如总事件计数、总振铃计数和总能量计数等。这些参数之间也可以任意两个组合进行关联分析，如声发射事件—幅度分布、声发射事件能量—持续时间关联图等。
表2 声发射信号参数
以下介绍几种参数分析方法。
1）声发射信号单参数分析法
早期声发射仪器只有计数、能量或幅度等很少参数可以测量，因此，单参数分析方法是早期对声发射信号的分析和评价的主要方法，其中计数分析法、能量分析法和幅度分析法是早期最常用的分析方法。
计数分析法是处理声发射脉冲信号的一种常用方法。目前应用的计数分析法有声发射撞击（或事件）计数率法与振铃计数率法及混合计数法，另外还有一种对振幅加权的计数方式，称加权振铃计数法。声发射事件是材料内局域变化产生的单个突发型信号，声发射计数（振铃计数）是声发射信号超过某一设定门槛值的次数，计数率是单位时间内信号超过门槛值的次数，声发射计数率依赖于换能器的响应频率、换能器的阻尼特性、结构的阻尼特性和阈值的水平。对于一个声发射事件，由换能器探测到的声发射计数为
式中，f0为换能器响应中心频率；β为波形的衰减系数；Vp为声发射信号峰值电压；Vt为阈值电压。
计数分析法的缺点是受被测物体几何形状、门槛值电压、换能器特性、放大器和滤波器工作状况等因素的影响较大。
能量分析法是定量测量声发射信号的主要方法之一。声发射信号的能量正比于声发射波形的面积，通常用方均根电压Vrms或均方电压Vms进行声发射信号能量测量，也可直接测量声发射信号波形的面积。对于突发型声发射信号可以测量每个事件的能量。声发射信号能量的测量与材料的声发射事件的机械能、应变率或形变机制等重要物理参数具有紧密的关系，而不需要建立声发射信号的模型。能量测量同样解决了小幅度连续型声发射信号的测量问题。
信号峰值幅度和幅度分布可以更多地反映声发射源的信息，信号幅度与材料中产生声发射源的强度有直接关系，幅度分布与材料的形变机制有关。声发射信号幅度的测量的影响因素包括换能器的响应频率、换能器的阻尼特性、结构的阻尼特性和门槛值水平等。通过应用对数放大器，不论声发射信号的大小都可以对其进行精确的峰值幅度测量。
2）声发射信号的经历图分析法
声发射信号的经历图分析法通过分析声发射信号参数随时间或外变量变化的情况，从而得到声发射源的活动情况和发展趋势。经历图分析是常用、直观的分析方法。经历图分析法可以对声发射源的活动性进行评价、对恒载声发射进行评价以及起裂点测量。
3）声发射信号的分布图分析法
声发射信号的分布图分析法是将声发射信号撞击计数或事件计数按信号参数值进行统计分布分析。一般纵轴表示撞击计数或事件计数，横轴表示声发射信号的任一参数，横轴表示的参数（如幅度分布、能量分布、振铃计数分布、持续时间分布及上升时间分布等）即为该参数的分布图。其中幅度分布图应用最为广泛。运用分布图分析可以发现声发射源的特征，这样可以鉴别声发射源类型，如金属材料的裂纹扩展、塑性变形和复合材料的纤维断裂等，也是检测声发射源强度的常用方法。
4）声发射信号的关联分析方法
关联分析方法也是声发射信号分析中常用的方法之一。对声发射信号的任意两个波形特征参数可做其关联图进行分析，图中二维坐标轴各表示一个参数，每个显示点对应于一个声发射信号撞击或事件。通过不同参量之间的关联图，可以分析不同AE源的特征，从而起到鉴别AE源的作用。如有些电子干扰传导通常具有很高的幅度，但能量却很小，通过幅度－能量关联图即可将其区分出来；对于压力容器来说，内部介质泄漏信号与容器壳体产生的信号相比，具有长得多的持续时间，通过能量－持续时间或幅度－持续时间关联图分析，很容易发现压力容器的泄漏。
5）声发射信号的列表显示法
列表显示法是将声发射信号参数进行时序排列并直接显示，包括信号到达的时间、各声发射信号参数、外变量和声发射源坐标等。可以通过对各声发射信号参数进行时序排列和直接显示，观察系统对模拟源的响应，并对声发射源的强度等这样的特殊问题进行分析。
由于声发射信号参数分析方法对声发射仪的要求较低，分析方式简单、直观，实时性好，分析速度快，且对于检测人员更容易掌握和操作，因此是工程检测中最主要使用的方法。然而，尽管每一个声发射参数都能提供与声发射源特征的相关信息，但对于不同的试验条件，不同的材料结构，以及不同的选用参数，在整个处理过程中所得到的声发射源的评价也会不同。另一个声发射参数分析方法的缺点在于，声发射参数只是描述声发射信号波形的有限特征，用其表征整个声发射源的特征尚存在一定偏差。
2其他信号处理方法
声发射检测的主要目的之一是辨别产生声发射源的波形特征，由于声发射源处的波在传播过程中会发生衰减、吸收以及边界处发生折射、反射，而且信号经采集电路和放大电路处理后其波形已明显地畸变。因此，如何从采集到的声发射波来反推原始波形，将有用信号和噪声信号进行分离以及修正测量系统的误差一直是科研工作者面临的难题。
声发射信号处理技术是指利用计算机，通过数值计算对采集到的声发射信号进行变换、综合、评估以及识别等处理，以提取有实际意义的关于声发射源的信息。声发射信号处理技术依托计算机技术的进步，通过数值计算使面目全非的声发射源变得清楚明显。声发射信号处理的方法主要包括快速傅里叶变换、神经网络、模式识别、小波分析、相关性分析、典型滤波及自适应滤波等。
1）快速傅里叶变换（FFT）
FFT是离散傅里叶变换（DFT）的一种快速算法，在确定DFT系数时，使所要求的乘法及加法次数减少。FFT算法的实质是把一个长数据列x（n）经过几次分选抽取，分割成2个n／2序列，然后再分成4个n／4序列，直到最后每个序列只剩两项为止，对最后两项序列做DFT计算，分别算出分割后子序列的频谱，然后按照一定的规则组合，即可得到整个序列x（n）的频谱。
2）神经网络
神经网络是人工神经网络的简称，是模拟人类形象思维的重要方法之一。工程实践中，利用神经网络经过大量样本学习所具有的较强泛化能力的特点，可将传感器的每一次测量值作为一条证据，经过运算，得到该证据对各待识别目标的基本概率赋值函数后，再使用D－S证据理论将每条证据的基本概率赋值函数进行融合，得到最终的识别结果。常用的神经网络为B－P网络模型，由输入层及其节点、输出层及其节点、一层至多层隐层及其节点构成，如图7所示。输入值首先由输入层正向传至隐层节点，按照一定的误差算法（如最小二乘法、最小均方误差等）经特性函数（常用S型函数）作用后，再传至下一隐层，直到最终传至输出层输出，在传播过程中每经过一层都要由相应的特性函数进行变换。
图7 B－P网络
3．小波分析
小波是出现时间很短的振荡波，通常只有几个循环周期。小波分析是20世纪80年代后期形成的一门新兴的数学分支，它是在傅里叶变换的基础上发展起来的，但与傅里叶分析有明显的不同。小波变换可以将单一的时域信息变换为时间－频率域信息，可以将信号进行多尺度分解，分解成不同频段的时域信号，该方法已成为目前国际上应用较广的时频域分析工具，在非平稳的损伤信号识别中正发挥着越来越重要的作用。
当一个函数Ψ（t）∈L2 （R）满足以下性质时：
这个函数Ψ（t ）可以称为小波或母小波。将母小波Ψ（t ）经过尺度伸缩和时间平移后可得
式中，Ψa，b（t）为一个小波序列；b为平移参数；a为尺度参数。在不同尺度下小波的持续时间随a加大而增宽，幅度与a呈反比减小，但波的形状保持不变。
对于任意x（t）∈L2（R）的函数，关于小波基Ψa，b（t）的连续小波变换（CWT）定义为
连续小波变换的逆变换定义为
式中，Ψ（ω）为函数Ψ（t ）的傅里叶变换。
五、典型声发射监测系统
1．声发射监测系统
声发射监测系统一般可分为功能单一的单通道型（或双通道型）、多通道多功能的通用型和工业专用型，其特点与适用范围如表3所示。
表3 声发射监测系统的类型、特点与适用范围
单通道声发射监测仪由传感器、前置放大器、数据采集处理系统、记录与显示单元等构成，如图8所示
图8 单通道声发射监测仪
