超声导波以其能量衰减慢、检测范围大、对微小损伤敏感等优良特性,已被广泛应用于钢桥、管道、飞机机翼、风机叶片等结构的无损检测中。超声导波检测微小损伤及其发展过程,是全尺度结构健康监测系统的重要组成部分。但对结构进行超声导波无损检测及识别过程中存在一定程度的不确定性,造成识别结果不准确甚至发生错误,因此开展考虑不确定性的超声导波结构无损检测研究对提高结构损伤诊断的准确性具有重要意义。本文的目的是在超声导波结构损伤识别方法中考虑不确定性,进一步完善超声导波无损检测技术,探索可用于导波信号特征提取和损伤识别的新策略和新方法。为此,本文针对超声导波信号处理和损伤识别中的不确定性,分别研究了导波频散特性反演、复杂波包传播距离提取、多损伤定位和损伤成像等问题的贝叶斯不确定性建模与计算方法,具体内容如下:（1）从导波传播模型出发,对超声导波检测中的频域响应信号的波数成分进行全面分析,揭示了不同模态的频散特性和传播距离对频域响应的影响,并依此提出一种反演导波频散特性的复数稀疏贝叶斯学习方法。该方法利用导波波数-频率曲线相对于整个波数-频率域的稀疏特性,对多条频域响应信号进行复数稀疏贝叶斯学习,从而获得频散曲线。通过数值模拟和铝板检测试验验证了该方法的有效性。（2）对产生频散、模态转换、波包重叠等复杂导波波包进行特征提取时,常规时频方法通常无法分离波包并且无法求解模态转换波包中各模态的贡献度,提出了一种提取复杂信号传播距离的稀疏贝叶斯学习方法。基于频散曲线和传播距离建立考虑模态转换和频散的过完备字典矩阵,对时域信号进行稀疏分解,获得复杂波包的传播距离。铝板试验结果显示了该方法可以提取模态转换波包中个模态的传播距离和分离重叠波包。（3）由于三角定位法进行多损伤定位时得到的不确定性重叠区域过多,无法定位准确的损伤位置,提出了一种适用于板状结构已知传播速度的多损伤定位方法。根据损伤位置相对于整个结构的稀疏特性,建立每个可能位置到所有传感器的传播时间向量并组合形成过完备字典矩阵,对所有传感器接收信号提取的传播时间进行多变量稀疏贝叶斯学习,从而获得多损伤位置。该方法通过共享传播速度和误差参数,融合所有传感器提取的传播时间,实现降低多损伤定位不确定性的目的。（4）对于传播速度未知的多损伤定位,提出了一种基于损伤位置和传播速度的后验不确定性判断多损伤识别精准性的吉布斯采样方法。依据三角定位法的未知参数线性化模型,并基于无信息先验和高斯似然函数理论推导各参数的后验概率分布,通过吉布斯采样方法近似获得所有参数的联合后验概率分布。该方法不仅可以识别多个损伤位置和传播速度,还能量化求解结果的不确定性,从而提高损伤评估的准确性。（5）由于常规延时叠加成像在波包重叠和信噪比低时的分辨率和对比度偏低,提出了一种基于贝叶斯主成分分析的延时叠加算法。通过贝叶斯主成分分析对所有延时聚焦信号提取主成分并获得其奇异值,并根据奇异值进行裂缝成像,从而抑制噪声和杂波的干扰,提高成像的分辨率。借助于正交异性钢桥面板顶板裂纹有限元模拟信号和试验检测信号,展示该方法的良好性能。