1.一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于，包括以下步骤：步骤一：获取监测对象的含噪的信号构建时间序列。

步骤二：对时间序列进行离散小波包分解，根据小波系数计算各分解层数的定级指标，根据定级指标确定最优分解层数。

步骤三：估算各分解层级中真实信号的小波系数。

步骤四：根据估算的小波系数利用小波包逆变换公式对原始信号重构，从而得到去噪后的信号。

2.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于：步骤一中所述的含噪的信号为加速度信号。

3.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于：步骤一所述的信号中，真实信号与噪声信号具有不同的概率分布类型。

4.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于：步骤二中所用基小波为正交小波；且步骤二中最大分解层数2

5.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于：步骤三中，尽可能精确描述信号及噪声的小波系数概率分布pG和pε，若步骤二中采用正交小波基，pG和pε可用x(ti)和ε(ti)的概率分布表示。

6.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于：步骤四中，采用信噪比(SNR)和时域分析两种方法对去噪效果进行评估。

7.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于：步骤一：基于传感器实测的含噪信号，截取包含信号特征的一段构建时间序列y(ti)；采样频率应符合香农采样定理；设y(ti)＝x(ti)+ε(ti)，i＝1,2,…,2J，其中x(ti)和ε(ti)为真实信号及真实噪声信号的时间序列，J＝log2N；降噪目的是获得x(ti)的预估值。

8.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于，步骤二包括：(1)、选择分解层数j，对y(ti)进行小波包分解，得到原始信号第k个节点的缩放系数sjk和小波系数wjk，以下用分解系数mjk表示，k＝1，2，…，P；P表示该层小波系数数量；

(2)、分别计算各分解层数的定级指标Kj、Sj，公式为：其中，

上述定级指标：Kj、Sj能反映该分解层级下，真实值与噪声值的概率分布的差异，Kj、Sj值越大表明该差异越大；

(3)、设分解层数为JK时，定级指标Kj取得最大值；分解层数为Js时，定级指标Sj取得最大值；

如果JK＝JS，则选择Jw＝JK为最优分解层数；

如果JK≠JS，则分别使Jw＝JK和JS。

9.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于，步骤三包括：(1)、第j(j≤Js)分解层中，分解系数最小值为min(mj)，最大值为max(mj)；对区间[2min(mj)，2max(mj)]进行2P等分，其中P等于该层小波系数数量；

(2)、令gji为第j分解层中，第i个等分点值：

(3)、计算 得到真实信号的分解系数的估计值，公式为：其中，pG、pε分别为真实信号和噪声信号的小波系数概率分布。

10.根据权利要求1所述的一种适用于非高斯信号的贝叶斯小波包降噪方法，其特征在于，步骤四包括：(1)、利用步骤二、步骤三分别计算出真实信号的预估缩放系数 与(2)、对时间序列进行重构得到最终去噪信号x*(ti)，公式为：其中 ψ(ti)为小波的尺度函数和小波基函数；

(3)、步骤二中，当JK≠JS时，分别计算当分解层数为JK、JS重构的时间序列，记为计算 和 的信噪比(SNR)，公式为：选择 和 中SNR值较大的作为最终得到的去噪信号。