声学传感器近年来，基于声学信号评价激光焊接质量的尝试很少。这主要是由于在一些工业场所（如汽车生产）无法安装接触声传感器，而非接触声传感器则受到周围环境噪声的干扰。因此，大多数研究都集中在如何通过智能识别算法来提高非接触式传感器的识别精度和鲁棒性上。有学者采用小波时频信号分析方法，发现当焊缝缺陷（焊缝宽度变化或错位）发生时，声发射信号的低（781Hz）和频率分量（781和1562Hz）振荡幅度的强度显着下降。 此外，当声信号频率在10-20kHz范围内时，导热焊接的声信号与锁孔焊接的声信号存在较大差异。通过比较发现，在此范围内，声学信号的特征与金属蒸汽和匙孔形状有关。因此，可以通过神经网络来实现对焊缝缺陷的准确识别。
有学者研究分析了不锈钢薄片在激光微焊接时，焊接质量与采集的声发射(AE)信号特征之间的相关性。利用已开发的监测系统，测试了选定的声发射特征检测低关节结合强度的性能。为了获得用于分析的声发射信号和开发监测系统，在带有声发射传感器的激光微焊接平台上进行了搭焊实验。用夹紧力、一根压紧棒和一张薄纸模拟了两层不锈钢片之间的间隙。从声发射传感器采集原始信号后，将信号分割为10个1ms间隔，分析焊接质量与声发射信号时频域特征的相关性。
基于散点指数选择合适的AE信号特征后，采用隐马尔可夫模型(HMM)分类器对所选特征的性能进行评价。三个信号特征，即信号的均方根(RMS)、信号前1ms的梯度和300kHz频率特征，与两层不锈钢片间隙引起的质量变化密切相关。利用HMM分类器，利用前1ms区间的信号梯度，并将300kHz频域信号与前1ms区间的信号的均方根值相结合，获得了100%的分类精度。

声发射实验设备

不同焊缝间隙声音信号对比

Huang使用光谱减法(SS)获取原始声信号，通过滤除感兴趣信号中的噪声（包括排气风扇和压缩空气、保护气），有助于提高噪声信号的信噪比(SNR)。此外，它还有助于降低背景噪声信号的声压级。已经观察到完全渗透和部分渗透的声信号频率在0-20kHz范围非常相似，而在900-1200Hz的范围内，完全渗透的功率谱密度远远大于部分渗透。 据此，他们建立了一个神经网络预测模型来判断焊缝穿透，并且所提出的模型已被证明在预测焊缝穿透方面是相当有效的声学监测有利于判断焊接结果，但由于声音产生点与探测器之间的距离而延迟，因此认为声音传感器对反馈或自适应控制无效。
总的来看在工业现场使用声发射，声音传感器做监测难度较大，工业现场噪声多且杂，很难达到生产要求，保证监测效果；但是声音发射在封闭的激光选区熔化、激光熔覆等封闭场所依然有利用价值。