利用labview编程实现信号的小波包分解，并克服了传统小波包分解频编码混乱的问题，同时实现了功率谱以及频带能量的分析

这是一个BENDERS 分解的MATLAB 文件

本部分内容给出了9个常见信号与排列熵计算的程序与自己对其内容的理解与解释，为改进经验模态分解(MEEMD)提供一个铺垫，后边会陆续发布第二部分与第三部分的内容。 对应视频百度网盘链接:链接：https://pan.baidu.com/s/1cYpmhmCB2RcP2qgXRpV_NQ?pwd=z3g6 提取码：z3g6

风电机组轴承处于早期故障阶段时，特征信号往往比较微弱，并且受环境噪声及信号衰减的影响严重，因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用，但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题，考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲，非常适用于轴承早期故障信号的降噪处理，因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪，然后对降噪后的信号进行EMD，选取敏感本征模态函数(IMF)并计算其包络谱，通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。

这个程序是用来显示经过经验模态分解后所得的各个固有模态函数和残余信号，以及由它们重建的信号。

Emd分解，通过峭度和相关系数选择IMF，进行信号重构，小波分解，小波包分解。

利用VMD分解，计算每个模态的能量熵的程序。

Mallat算法分解与重构程序，用db4小波

用DB4小波进行多尺度分解，分解级数为6层的降噪程序

小波熵求解，小波包分解，4是层数，db3为小波基，参数可改