随着温度测量在科学研究和工业控制过程中显得越来越重要,人们对测温仪的测量精度、应用范围要求也越来越高,因此荧光测温技术应运而生,迅速得到人们的青睐并且取得长足的发展。与其他类型的光纤温度传感器相比,荧光光纤温度传感器具有很多优势,既可以避免交叉灵敏度、光纤的损耗、环境的辐射、发射波的带宽等因素带来的测温精度影响,又具有稳定性好,可靠性高,使用寿命长、生产简单、成本低等特点。本文首先详细阐述了荧光测温工作机理,选择Ca2Mg Si2O7:Au+作为荧光材料,搭建了基于荧光寿命的荧光光纤测温系统。在荧光寿命法测温中,由于温度只与荧光寿命成直接关系,因此只需要获得荧光寿命即可,而噪声干扰是影响荧光寿命的分析计算关键问题。本文提出一种改进的小波阈值去噪,既保留传统的软硬阈值函数优点,又能对两者的不足之处改良,从而达到最优的信噪分离效果;通过matlab仿真分析,对比去噪后信号的信噪比,阐述了小波基、层数、阈值的选择的重要性。在实际测量中,由于去噪后的荧光信号呈现非指数形式,需要通过数据拟合来建立模型得到荧光寿命。通过对比传统的拟合数据方法的缺点,本文采用人工神经网络进行拟合,并采用小波基函数代替sigmod激活函数,结合BP算法和遗传算法的改进算法进行网络的学习,不仅提高了拟合精度和收敛速度,而且避免了较大的局部误差。将新阈值小波去噪应用在荧光信号中,筛选出合适的小波基、阈值和层数,通过matlab仿真对比去噪后的信号,可以看出信号既可以避免出现震荡点,减少了有用信息的损失,变得更加光滑,同时提高了信号的信噪比;对比几种拟合方法得到的荧光寿命,说明了人工神经网络优越性,采用小波神经网络拟合数据,不仅提高了信号曲线的拟合精度,减小了荧光寿命测量误差,同时也提高了温度测量精度。实验结果表明了本文提出方法的有效性。