焊接技术的快速发展同时增加了对在线监控系统的需求，在可能用于评估焊缝状况的方法中，声学方法因其能够提供简单、非接触和低成本的解决方案而受到学者们的关注。这篇综述强调了焊接过程中结构声和空气声的来源，主要关注激光焊接工艺，描述应用声学方法的意义，指出了该方法未来的潜在发展方向。
激光焊接过程中的声信号源：等离子羽流形成、熔池和小孔振荡等现象，以及引起焊接区压力变化的气体射流脉动，成为激光焊接过程中气载声信号的主要来源。
在计算机技术的辅助下，通过获得均方根、方差、峰度和四分位数范围等常见的统计数据可以检测焊穿、焊漏、孔隙度、驼峰和飞溅等缺陷。比如通过计算声音信号强度，可以观察到间隙焊缝和正常焊缝之间的明显区别，还可以识别焊缝是全熔透还是部分熔透。
有学者利用人工神经网络分析试图定量表征捕捉到的声音和穿透深度，通过将声压偏差和频带功率的值作为模型的输入，发现最佳的神经网络模型能够预测穿透深度，标准偏差误差为 8．91％。同时，对于多元回归模型，标准差误差记录为 8．25％，基本能满足工业要求。
声音信号的难点在于，并非所有声音信号监测到的缺陷都是有害的，识别缺陷的类型和大小也很重要，这个界限在哪里还有待根据不同材料、工艺研究来定。为了实现这一目标，还需要进行更深入的研究，以了解如何开发预测模型来估计缺陷的类型和大小。例如，由于存在较大的缺陷，焊缝表面粗糙度的变化被证明是疲劳失效的原因，通过建立预测模型，估计表面粗糙度的大小，并通过在线实时控制焊接过程工艺参数来调节，降低这种影响。
总的来说声音可以很好的预测焊接过程的缺陷类型，但是还缺乏更深一步的研究，建立不同缺陷对材料性能的影响程度以及和声音信号的相关性大小。同时工业现场声音信号容易受到现场噪声影响，需要在封闭环境下工作，可能在激光粉末床打印上会有更多应用。
