针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题，提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法。该方法包括信号特征提取和故障类型识别两部分：在信号特征提取部分，对采集的滚动轴承振动信号进行小波包分解，得到各子频带能量及信号总能量，经归一化处理后获得表征滚动轴承状态的特征向量；在故障类型识别部分，通过粒子群优化算法优化BP神经网络的初始权值和阈值，以加速网络收敛速度，避免陷入局部极小值。实验结果表明，该方法提高了滚动轴承故障诊断效率和准确率。

matlab分解求小波频带分布

对一幅图像的进行小波包分解，然后提取每一层的系数

利用小波包分解检测图像的边缘，具体为利用db4正交小波基对图像进行一层小波包分解后，所得到的近似图像比原图像层次更分明，因此利用分解后的近似图像能检测边缘。

需要下载pywt库，利用python计算小波包的分解、重构及计算小波能量，代码简单易懂，依次类推可以及算小波熵。

为了提高掘进机振动信号小波包去噪的效果,最大限度避免噪声对信号特征提取的影响,提出了基于最优小波基选取的掘进机振动信号去噪方法。该方法以信号频谱为分析依据,首先确定了小波包分解的最优分解层数,再选择最优小波基函数,实现了对掘进机振动信号的实时处理,去噪效果达到了最佳。现场试验结果也验证了该方法的有效性。

介绍了小波包分析的基本理论,并以滚动轴承为研究对象,将小波包分析应用于轴承的故障诊断。首先用小波包分解的方法提取分解频带的能量在时间域上的分布,得到能量谱图,然后通过包络分析得到信号的功率谱,由此可判断出轴承的故障位置。

信号小波包分解

基于小波包分解的遥感图像压缩方法，很好的一篇文章

利用matlab实现信号的小波包分解和各个频带信号重构，并克服传统小波包分解的频带编码问题，实现频带由低到高顺序排列。