目前,文献对超声波去噪处理采用的方法,大多是基于傅里叶变换和短时傅里叶变换。由于超声波信号是一种非平稳信号,并且常常表现为局部奇异,而傅里叶变换的基是全局性的基,没有局部化的能力,所以傅立叶变换在处理这类信号时,其不足和缺点日益凸显。短时傅里叶变换虽然在一定程度上弥补了傅里叶变换存在的缺点,但是,短时傅里叶变换的窗口是固定的,在一次变换中其宽度不会变化,所以短时傅里叶变换仍无法解决对非稳态信号的处理问题。另外,在研究中发现,测量前的设备调试,测量中的计算以及测量后的统计,都会引入较大的不确定性误差,影响定位精度。因此,这些不确定性误差,也成为本文亟需解决的实际问题。针对以上存在的问题,本文引入了小波变换理论来对超声波信号进行降噪处理。因为小波变换可以对信号进行时频分析,具有局部处理能力,是处理非平稳信号的理想工具,也是目前处理非平稳信号的研究的热点。针对设备调试、计算以及统计中引入的不确定性误差,本文基于神经网络能够最大程度逼近真值的能力,设计了PSO-RBF神经网络模型。本文主要完成了以下研究工作:1.通过对文献的调研和综述,找出了提高超声定位精度研究中存在的主要问题,并对超声波信号产生影响的环境因素进行了分析,考察了受噪声影响的超声波信号的特征。2.将小波阈值降噪法应用到了超声波信号的降噪处理,主要进行了以下研究:(1)研究了小波基在小波阈值降噪法中的选取方法。由于不同信号的小波基是不同的,所以小波基的选取主要基于实验。本文选取了三种不同的非平稳信号作为测试信号,通过实验进行了小波基选择方法的研究。(2)研究了小波降噪法中分层数的选择方法。在小波阈值去噪法中,分层数的选择决定了信号分解的完整性,分解层数过低,会导致信号与噪声的匹配特征不明显;分解层数过大,重构后的信号误差较大。本文对分层数的选取,采用了如下方法:首先参考经验法选择分层数的大致范围,然后利用三种非平稳信号对以上实验选定的小波基进行实验测试,从测试结果来确定分层数。(3)研究了小波降噪参数选择的融合指标方法。以上的研究是根据均方根误差、信噪比、平滑度和相关系数来评价小波基和分层数的去噪效果,本节主要是研究如何把不同的评价指标融合成一个复合评价值,简化参数的选择过程,提出了一种基于复合评价值的小波去噪参数选择方法。该方法是通过构建了复合评价值来同时确定小波基和分层数。3.将以上研究的小波降噪方法和PSO-RBF神经网络模型,应用到超声波定位算法中,对传统的三边定位算法进行了改进。4.改进定位算法,设计了一套超声波定位系统。主要完成了一些设计工作:(1)完成了系统的总体设计。⑵完成了系统的硬件设计。设计的硬件电路主要有:节点控制电路、节点电源电路、超声波发射电路、超声波接收电路、射频电路及接口转换电路。⑶完成了系统软件设计。软件设计分为上位机程序和各个节点程序。设计的上位机软件主要有各种算法程序、控制程序及通信程序。设计的节点程序主要有:超声波发射和接收程序、射频发射和接收程序、测距算法程序等。5.对所设计的系统进行了性能分析。实验结果表明,本文所提出的小波降噪方法及PSO-RBF神经网络模型是正确的,并具有可行性。实验结果也证明,本文设计的系统在一定程度上提高了定位精度,具有一定的应用价值。