1. 研究目的与意义
由于人工神经网络是基于生物神经系统研究而建立的模型，它具有大规模并行处理和分布式存储各类图形信息的功能，有很强的容错性、联想和记忆能力，因而被广泛地应用于故障诊断、模式识别、联想记忆、复杂优化、图像处理以及计算机领域。但是，人工神经网络模型建立的物理解释，网络激活函数采用的全局性函数，网络收敛性的保证，网络节点数的经验性确定等问题尚有待进一步探讨和改善。小波理论自Morlet提出以来，由于小波函数具有良好的局部化性质，以及广泛渗透到各个领域。而小波神经网络正是近年来小波分析研究获得突破的基础上提出的一种人工神经网络。它是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络，即用非线性性小波基取代了通常的非线性Sigmoid函数，其信号表述是通过将选取的小波基进行线性叠加来表现的。小波网络具有可靠的理论根据，可避免BP神经网络等结构设计上的盲目性，此外，它能使网络训练过程从根本上避免了局部最优等非线性优化问题，最后，小波神经网络具有较强的函数学习能力和推广能力。然而，传感器在信号处理上一般具有模型难以确定、非线性强的特点，给被测量的准确获得带来极大困难，小波神经网络恰好迎合了这些特征，可以完成输入模式到输出模式的复杂映射，故传感器与小波神经网络的结合是技术发展的必然。综上，利用小波神经网络的高度非线性描述能力，可以将其应用到传感器信号处理中，其可以完成大量的信息处理任务。
2. 国内外研究现状分析
小波分析是20世纪80年代中期发展起来的一门数学理论和方法，由法国科学家grossman和morlet在进行地震信号分析时提出的，随后迅速发展。
蔡念等在《小波神经网络及其应用》一文中介绍了小波理论和神经网络理论结合起来的一种神经网络，它避免了bp神经网络结构设计的盲目性和局部最优等非线性优化问题，大大简化了训练，还阐明了小波变换和多分辨率分析理论以及小波神经网络数学模型和应用概况。
龚瑞昆在《离散小波变换在传感器故障诊断中的应用》一文中提出一种基于离散小波分析的传感器故障诊断新方法,该方法不需要模型,具有灵敏度高、故障诊断率高及克服噪声能力强的特点,仿真研究取得了满意的效果。
3. 研究的基本内容与计划
一．研究内容
1.绪论
1.研究的目的及意义
4. 研究创新点
小波神经网络降噪算法在压力传感器信号处理过程中的应用研究，并在MATLAB中进行仿真证明其效果，以实现压力自动控制。
