压力容器被广泛应用于石油化工等领域，具有爆炸危险性，一旦发生事故，其后果无法估量。为解决压力容器有线声发射检测存在的实际困难，并实现其长期的结构健康监测，本文在现有声发射采集卡的基础上，研制了一款无线声发射仪，其主要工作包括：硬件电路、Wi-Fi无线传输、GPS时钟同步、CF卡存储等模块的开发，并首次实现了声发射信号波形与参数的采集与无线传输、声发射源的无线定位等功能。由于在线运行的压力容器在多数情况下无法对声发射方法检出的疑似缺陷进行复验，因此声发射信号源的识别及其判断就显得尤为必要。为此，本文提出了：基于小波包分解与重构后时域波形特征参数、基于小波包分解的各频带相对能量比例、基于FFT的各频带峰值、基于FFT的各频带均值等四类新特征参数的提取方案，用以表述声发射源的特征。经比较，可以得出以下结论：（1）新提取的四类特征参数，其神经网络模式识别效果在各类情况下（无噪声、轻噪声、强噪声）均优于传统的特征参数法。（2）噪声干扰越严重，新特征参数的识别优势越明显，且以最后两种方案的准确率最高。（3）在强噪声干扰下，各类特征参数识别准确率均严重下降，最高不超过65%。为提高数据无线传输效率、提高信号无线监测与识别的准确率，本文对包括传统特征参数在内的上述五类（共35组）参数进行压缩与降维处理，得到的前四组最具代表性的筛选结果分别是：（1）FFT频带能量峰值（150-200kHz）、（2）小波包各频带能量比例（125-156.25kHz）、（3）FFT频带能量均值（150-200kHz）、（4）小波包分解重构后特征参数（幅度）。而后，将其作为识别标准断铅声发射信号的最优特征参数，在强噪声以及铅笔芯敲击、竹签敲击、金属敲击、小石子撞击等相似信号的干扰下，对压力容器的断铅行为进行无线声发射监测。结果表明，利用该四组特征参数进行识别，其准确率要高（90.9%），其参数量少，达到了高效率无线传输、高准确率无线监测的目的。