声发射的检测是基于其物理性质，即由于(微观)结构的某种不可逆变化而产生的弹性能量释放。在声发射源附近，释放的能量形成应力脉冲，以瞬态弹性波的形式在材料体中传播。根据试样的几何形状和尺寸，应力脉冲被转换成特定的波模式。垂直于表面的波分量可以通过压电换能器检测，压电换能器通过机械或波导耦合到试样表面。
传感器（transducer）将收集到的声发射信号转换为电信号，然后传输到测量系统进行进一步的放大和分析。传感器在声发射监测中起着关键作用，因为声发射信号的波形受到多种因素影响，包括信号源机制、在试件体积内的传播以及传感器的检测。
They described thespectral distribution of the AE energy as follows:
声发射能量的谱分布：

where y0 is thedisplacement of the elementary volume of the material due to the stress impulse, E is the Young ‘s modulus, cL is the longitudinal soundspeed, f is the frequency and T is the duration of the pulse. This equation results in a normaldistribution and describes well the experimental results
y0是压力脉冲造成的材料元体积的位移，E是杨氏模量，cL是纵波声速，f是频率，T是脉冲的持续时间。这个方程的结果呈现为正态分布，并很好地描述了实验结果。

连续信号被认为是不连续信号重叠的结果。Hatano (Hatano,1975)的研究首次表明，连续信号反映的是随机声发射脉冲的总和。

声发射事件是释放弹性能的单一动态过程。
不连续AE信号的参数：
幅度：信号在此期间的最大幅度
开始时间ts（start）：EA信号第一次跨过阈值的时刻
结束时间te（end）：首先有一个人为设置的dead-time td，在持续的td时间内信号幅度都没有超过阈值，则判定为事件结束，结束的时刻为te
上升时间：从事件发生到达到最大振幅之间所经过的时间
计数：AE信号超过阈值的次数
持续时间：结束时间te与开始时间ts之差
事件能量：声发射波形的面积，定义如下：

其中R是测量装置的电阻，V是测量电压，t是时间。
这些参数的累积表示也可以被定义，例如累积计数或累积能量。
连续信号大多是根据信号电压的均方根值(RMS)和计数率(每时间单位内阈值交叉的次数)来评估的。
由于声发射测量的可靠性对设置参数(阈值，dead-time td)的适当设置非常敏感，最新的声发射系统可以连续采样和存储声发射信号，即所谓的数据流。在这种情况下，控制计算机获取原始数据供操作员以后评估。这种方法的优点是它避免了由于不正确的系统设置而导致的任何数据丢失。进一步提高了评价参数的拟合精度。

声发射的信号构成来源，主要是四部分：
Frank-Read source
Twin nucleation
Yield phenomenon
Cutting of coherentprecipitates by dislocations
它们的翻译是什么，代表什么物理现象，都搞不懂捏
重点在于后续对整个信号的分析，不管信号是由形变、撕裂还是什么组成，就只有世界卫生组织关心了
通常，声发射信号受各种实验参数的影响:如晶体结构、晶粒尺寸、首选晶体取向、溶质合金化、相组成和结构、机械工作历史;应变速率，测试温度，测试环境和辐照。（接下来的几章都是讨论这些因素带来的影响，跳过）
但在有需要识别较强的组成部分（例如twinning）时，可以用到两个阈值：第一级阈值设置为大于噪声的峰值，第二级阈值则设置为twinning这个强效应对应的电压阈值，以此得到两个计数率。（大概不会用到这个方法）

目前还不知道传感器会安装在什么位置，论文中提到解决的问题是检测PD信号（partial discharge）使用了高分辨率谱分析High-resolution spectral analysis
MUSIC：没错！又是我！
此外，还有时频域联合的分析：连续小波变换
High-resolution spectral analysis：the Continuous Wavelet Transform (CWT) was chosen
虽然目前对于材料裂痕检测一点头绪都没有（甚至可能最终做的不是材料裂痕检测），不过同样的算法用在对材料裂痕的检测应该是一样的，只要目标都是找到声发射信号的最强源点，吧？

公式太多了，直接用word截图

连续小波变换

目前看下来，并没有找到有关“定位”，“成像”之类的关键词，只有关于时频的分析。
整个章节的成果汇总成一张图：

1.第一列是原始信号，是传感器采到的机械波波形。
2.第二列把需要分析的特殊波形放大。
3.第三列是连续小波变换CWT得到的时频域分布图。
4.第四列是MUSIC算法计算出的归一化频率谱图normalized MUSIC power spectrum density。
（第四列同时看起来也像是把第三列CWT谱图的X轴求和，例如对比信号(b)的CWT和MUSIC图，可以看出第三列的CWT图在频率为40kHz和100kHz的高度都很密集，把它们X轴求和后，可以对应MUSIC的谱峰位置是40kHz和100kHz）

🥺