1.一种噪声描述方法，其流程图如图1所示，其特征在于包含以下三个步骤：
步骤一：噪声预处理
1)均值归零化。设采集到的原始噪声时间序列为{s(n)}，其中大于0的正整数n为离散序数，求序列{s(n)}的均值
其中n为序列{s(n)}的长度即n的最大取值。然后将序列{s(n)}的每个离散点减去均值μ，得到均值归零化后的噪声序列{g(n)}，其中
g(n)＝s(n)-μ；
2)方差归一化。计算均值归零化后的噪声序列{g(n)}的方差
再将序列{g(n)}中每个离散点除以标准差σ，得到方差归一化后的噪声序列{h(n)}，其中
步骤二：分形维提取
1)对方差归一化后的噪声序列{h(n)}进行离散小波分解，得第j层分解的小波系数为
其中t为时间，t＝ts·n，ts为噪声序列{s(n)}的采样时间，k为小波系数序数，ψ(t)为小波基函数；
2)第j层分解的小波系数的均值为
其中kj为第j层分解的小波系数的长度，即序数k的最大取值。进一步计算第j层分解的小波系数的方差
再对第j层分解的小波系数方差取以2为底的对数得
bj＝log2σj2；
3)以小波分解层数j为横坐标，以上述各层小波系数方差的对数bj为纵坐标，做出bj随j变化的曲线；
4)采用最小二乘法估计曲线的斜率
然后可根据斜率计算噪声分形维
步骤三：噪声建模
分形布朗运动的时间函数由唯一的参数hurst指数h确定，h与分形维d有如下关系
h＝2-d。
则噪声的分形布朗运动模型可表示为
其中s为时间，γ(·)为gamma函数，b(·)为布朗运动的时间函数。此时噪声的时域信号呈现统计上的相似性
mh(at):＝ahmh(t)，
其中a为任意大于零的实数，:＝表示依概率分布相等。噪声的自协方差函数可表示为
var[mh(t)]＝vh|t|2h，
其中
其中ω为频率。至此，当hurst指数h确定后，噪声的统计特性、时域特性和频域特性均可得到有效描述。
2.一种基于小波分解的分形维提取方法，其特征在于，所述方法包括以下步骤：
1)对方差归一化后的噪声序列{h(n)}进行离散小波分解，得第j层分解的小波系数为
其中t为时间，t＝ts·n，ts为噪声序列{s(n)}的采样时间，k为小波系数序数，ψ(t)为小波基函数；
2)第j层分解的小波系数的均值为
其中kj为第j层分解的小波系数的长度，即序数k的最大取值。进一步计算第j层分解的小波系数的方差
再对第j层分解的小波系数方差取以2为底的对数得
bj＝log2σj2；
3)以小波分解层数j为横坐标，以上述各层小波系数方差的对数bj为纵坐标，做出bj随j变化的曲线；
4)采用最小二乘法估计曲线的斜率
然后可根据斜率计算噪声分形维
3.一种噪声描述系统，其特征在于，包括根据权利要求1至2中任一权利要求所述的噪声描述方法。
4.根据权利要求3所述的噪声描述系统，其特征在于，包括一个或多个与所述噪声描述关联的传感器。
5.一种计算机程序，包括软件指令，所述软件指令在由计算机执行时实施根据权利要求1至2中任一权利要求所述的方法。