本代码主要利用MATLAB工具实现MATLAB——小波包分析的图像压缩，简单明了，易于理解

为有效识别轴承故障特征,以轴承内圈故障的信号为例,采用在非平稳信号消噪和以频带能量分布作为故障特征方面有着广泛应用的小波包进行Mat-lab仿真,获得小波包降噪后的信号和作为内圈故障特征的频带能量分布。通过分析频带能量,其结果与实际故障相一致,得出小波包在轴承故障特征提取方面有着一定的优越性。

小波包变换 matlab因为较大的滑动窗口宽度可以参考的数据量较大，挖掘结果的准确程度较高；而较小的滑动窗口更加能够适应数据流的分布变化。故而滑动窗口宽度的合理选择也是一个重要研究问题。一般来讲,故障检测滑动时窗宽度难以确定,如果随便选择一个时窗就无法保证很好的检测效果。所以我们提出了一个根据每个频带的中心频率大致确定时窗的依据。

行业分类-电信-利用小波包变换压缩音频信号的方法和装置.rar

基于小波包-AR谱和深度学习的轴承故障诊断研究.pdf

行业分类-电信-基于小波包去噪和功率谱熵的线性调频信号参数估计方法.rar

行业分类-电信-基于小波包熵和支持向量机的手部肌电信号动作识别方法.rar

行业分类-电信-基于谐波小波包的直升机部件声发射信号传播特性的测试方法.rar

离散小波包变换，可用于提取轴承故障特征，里面还包含fft，功率谱等程序

为了有效提取表面肌电信号SEMG(Surface Electromyographic)的特征，更好的识别人体上肢运动模式，提出了一种小波包核主元分析(WPKPCA)和支持向量机(SVM)相结合的新方法。通过虚拟仪器采集桡侧腕屈肌和肱桡肌两路表面肌电信号，应用小波包核主元分析法对表面肌电信号进行特征提取，采用支持向量机对表面肌电信号特征数据进行分类识别。实验结果表明，采用此方法能够从表面肌电信号中识别出握拳、展拳、手腕内翻和手腕外翻4种动作，更能有效提取表面肌电信号信息，动作识别率高达98%。