随着我国汽车产业的快速发展,汽车逐步进入普通家庭,给人们出行带来极大的方便,对人们的生活产生巨大影响。由于自然中石油资源有限,而当今社会仍以石油为主要能源,市场油价呈上涨的大趋势,给运输行业、化工生产带来很大的压力。而且偷油漏油少加油等现象普遍存在。为了规范用油,人们设计出汽车油位监控系统来规范行车用油。油量监控系统的工作流程是首先通过油位传感器采集油箱内的油面高度数据,然后通过数学计算将其转换为油量来显示并记录。由于汽车在行驶过程中要面对着复杂的路面情况,所以汽车不可避免的产生振动,还有在面对某些情况时会突然的加速与减速,这些会使油液面产生起伏震荡的变化,然后会导致油位传感器采集到的数据与真实的数据有很大的偏差。习惯上把这些偏差与测量过程受到干扰产生的偏差都视为噪声。本文重点研究的内容是如何通过对这些采集来的油量数据信号的进行处理,来减少数据中的噪声成分,使处理后的数据能够变得平滑,可以更直观地反映油量的真实的变化情况。本文研究的方向是在采集的油量数据中噪声含量较大,噪声成分难以区分的情况下,尝试用传统的滤波算法对数据进行滤波处理。一般所指的信号中的噪声是在信号采集或传输情况下受到内部或外部的影响产生的,而本文要处理的噪声的主要成分并不是由于测量过程受到影响产生,而是由于被采集数据的对象受到影响产生的。由于采集对象容易受到影响,而不容易测量。采集来的数据信号波动大,波动主要成分是噪声,这种噪声的特性与之前认知的信号噪声不同。这种情况,在工程实践中经常会遇到。本文就是在这个背景下展开的研究,希望能找到一种比较实用的算法来应对这种情况。数据信息的采集总是伴随着各种各样的干扰。产生的噪声中包含外部环境带来的干扰噪声与测量本身生成的误差噪声,各种噪声有着不同的特性。种类繁多的滤波方法就是在对这些噪声进行研究的基础上发展起来的。本文前半部分的内容介绍噪声的分类,并且描述各种类型噪声的特点,同时也介绍几种常用的滤波方法及其所针对的噪声的特性。然后分析车载油量传感器在采集数据信号时会受到哪些外部的干扰,由此将信号中的噪声种类进行分析。文章最后尝试用不同的滤波算法来对数据进行消噪处理,主要是FFT变换、卡尔曼滤波和小波变换滤波等方法。经过滤波效果的比较分析后,又对滤波方法进行组合与优化,发现经过FFT变换和小波变换的双重滤波后,得到的信号效果比较好。