小波包分解在迎角传感器信号预处理中的应用

　　0 引言

　　迎角是飞行器飞行的重要参数和弹箭飞行稳定性的主要技术指标。在基于四象限压力传感器阵列的迎角测量方法中，将测压转化为位置敏感来测量飞行器的迎角， 从而克服由于飞行参数的变化而测不准的缺点，取得了很好的效果。而在传感器采集和传输压力信号过程中，原始信号会受到大量干扰信号的影响，产生杂波等问题， 这将严重影响后续的迎角计算的准确性。 因此，及时对传感器接收到的信号加以分析和预处理，提取出有用的原始信号显得非常必要。在信号处理中，为获取信号中反映其特征的有用成分，常采用滤波方法滤掉干扰成分。传统的滤波是使信号通过低通、带通、高通滤波器，但这些常用的滤波器参数不能随信号改变，而只能获得信号中某一频带的信息，难以满足信号处理中各种不同的要求。 小波分析则是一种全新的信号处理方法， 它可将复杂的信号中各种不同的频率成分分解到互不重叠的频带上。而小波包是对小波变换的一种改进，可实现对信号在全频带内的正交分解，将频带分解得更细。根据需要滤除某些频带的信号(干扰)，提取出所需要的信号，可实现对信号的分离提取，为有用信号的提取提供了有效途径。

　　本文在论述了小波包分解原理的基础上，从小波分析的局部时-频分析出发，通过小波包分解算法，研究了将其应用于迎角传感器信号分离提取的方法。 结果表明，与传统的滤波方法相比，应用小波包分解进行迎角传感器信号的分离提取，可满足计算精度要求，具有明显的优点。

　　1 小波包分析的理论

　　小波包分析是小波变换的推广，可以视为普通的小波函数的线性组合， 但它在表示信号时具有比小波变换更强的灵活性。在小波变换中，信号被反复分解成两个频率部分，而且进一步的分解只作用于低频部分，高频部分保持不动，如图1所示。

　　小波包分解是对信号所包含的频率成分进行分割，得到一个个小波包。每个小波包表示原信号的不同频率段，频带毗邻，带宽相等。 利用重构算法可以得到原信号在任意频段上的成分，同时，也可提高该频段因分解而已降低的时域分辨力。 从信号空间来看，对信号进行小波包分析时，小波包可以对近似空间V和细节空间W同时进行分解。 从而提高时频分辨率。 在小波空间，小波包子空间的完全分解示意图如图2所示。

　　V0代表原始信号所在的频率空间。 这只是一个三层分解的例子。 根据实际所需的频段宽度及各频段起止频率，还可以继续分解，直到合适的分解层数。