现代精细农业管理系统具有先进性和高效性,极大的方便了农业生产作业的管理。其中,测产系统是精细农业的重要环节。玉米产量的波动关系到国民粮食安全保障的工作能否顺利进行。目前,测产系统的研究领域中提出了测产应用模型和主要的监测方法,但是测产的准确性还无法保障,测产数据结果存在较大的误差。产量监测的数学计算模型和测产信号的处理算法的适应性还不够完善。因此,应用冲量传感器作为测产工具建立了玉米果穗的测产模型,重点分析研究如何让测产系统的精度达到最优。主要研究内容是:应用先进的数字信号处理手段滤除由车身振动和地面沟壑冲击等条件引起的振动干扰信号。收割机振动信号是一种不规则的信号,给测产系统的精度造成了很大误差。分别研究了传统模拟滤波,数字滤波,无限长冲击响应滤波,差分滤波,阈值滤波,小波分析函数和应用神经网络的小波分析算法等滤波方式。最后通过比较分析,为了能够把测量误差变得更小,并且把振动干扰从输出信号中有效地滤除,结合了具有自学习特征的神经网络和具有高辨识度特点小波函数。运用人工神经网络和小波函数的结合算法,对输出信号采取了滤波分析的方法。通过仿真模拟分析实验验证了小波神经网络算法的可行性,通过优化得到的结果相对于未优化系统的结果减少相对误差达到2.14%。在去噪方面进一步证实了小波神经网络算法的准确性高、稳定性强的优点。对玉米果穗的测产系统的研究,优化了测产系统的测量误差,有效的提高测产精度。为我国的玉米果穗测产系统的研究提供了一些参考。