石河子科技总第267期中图分类号：TH825文献标识码：B文章编号：1008-0899（2023）02-0062-031引言在分布式光纤光栅(FBG)传感器检测方法中，最终检测结果的精确程度很大程度上取决于信号处理的精度，在复杂场合这一特征异常显著。测量结果的有效性也有可能受传感网络设计好坏的影响。关于这方面的研究，相关学者深入分析成果显著[1-2]。需要注意的是，前向线性预测(ForwardLinearPrediction,FLP)算法以及小波变化常被单独使用在研究过程中[3]。FLP算法的目的为对当前时刻的陀螺信号进行预测，具体计算方法为先前陀螺信号与对应权重相乘。LWT-FLP算法则综合了前向线性预测算法及提升小波变换的优势，发挥出更高的使用价值。在去噪方面，LWT-FLP算法展现出突出优势，该算法首先要将光纤陀螺信号分层处理，需进行提升小波变化，然后再累积处理高频噪声，在此基础上采用FLP算法对高频系数进行处理，经过此环节后则需完成白化处理[4]，重构FBG传感器信号为最后环节的重点，该过程获取的信号在各频域内均已完成去噪处理。对试验结果进行分析发现，FBG传感器输出信号通过此算法可将噪声影响高效去除，这也充分验证在去噪方面，LWT-FLP算法确实发挥最佳作用。2LWT-FLP去噪算法2.1前向线性预测算法当前陀螺信号的估计值为：(1)式中，为先前时刻陀螺输出所组成的向量；x(n-p)为先前时刻的陀螺信号；ap为权重；N为阶数，阶数越大，具有越好的滤波效果，然而滤波过程中阶数过大会导致其计算量加大。下面给出的差函数以及代价函数均与当前值与预测值相关：(2)(3)前向预测误差最小化需以最小均方值理论为依据，为保证代价函数取得最小值权重选择必须适合。将权重迭代公式通过最小均方值理论调整为：(4)式中，整个迭代过程中，用于控制收敛速度，表示极小正常量。预测误差在FLP预测过程中失踪与步长相联系。由于预测误差在初始阶段相对较大，为确保能有效降低预测误差数值，步长选择需较为谨慎，该阶段大步长作为最佳选择；稳态输出精度可通过选择小步长得到有效提高，在这之前需确保预测误差降至一定范围内。图1为FLP算法LWT-FLP去噪算法在FBG传感器信号处理中的应用（河南工业贸易职业学院，信息工程学院，河南郑州市，451191）李彩霞摘要为了提高传感器信号处理的精度，结合提升小波变换和前向线性预测算法优势，提出了一种应用于FBG传感器信号处理的LWT-FLP去噪算法。研究结果表明：信号经FBG处理后展现出显著的去噪效果，且与处理前具有相似的变化趋势，FBG传...
