%使用一维小波包对一维信号进行降噪或压缩，信号和小波降噪后的对比 主要函数 wdencmp 　De-noising or compression using wavelets Description wpdencmp performs a denoising or compression process of a signal or image using wavelet packets. The ideas and procedures for denoising and compression using either wavelet or wavelet packet decompositions are the same. See wdenoise or wdencmp for more information. example [xd,treed,perf0,perfl2] = wpdencmp(x,sorh,n,wname,crit,par,keepapp) returns a denoised or compressed version xd of the inpu

能够实现双树复小波包变换，有一段仿真例子可以供大家参考

采用一种处理非平稳信号的新方法—希尔伯特-黄变换HHT（Hilbert-Huang Transform）来进行滚动轴承故障特征的提取。将信号先进行小波包降噪处理，然后用HHT进行信号故障特征提取。通过实验仿真和轴承故障诊断实例，对比没有进行小波包降噪而直接进行HHT的结果，证明了此方法在轴承故障诊断中的有效性。

小波包能量熵及系数重构可视化matlab程序，数据是excel形式的，直接需改excel文件即可。本程序带详细每一步的注释，初学者一看就懂，很容易换成自己的数据或是修改相关参数。 理论描述：小波包分解（wavelet packet decomposition，WPD）能够同时在低频和高频带内对信号进行分解，并自适应地确定不同频段上信号的分辨率，且各分解频带内信号相互独立、无冗余、不疏漏[。小波包分解层数越多，分辨率越高，包含故障信息越丰富。但层数过多会造成计算复杂且分析速度慢。一般需要根据实际需要和相关实验选取分解层数以及小波基函数。能量熵表示信号中出现的状态数目的可能性及相应概率，可用来评估信号的复杂性，可用来描述电信号、轴承等振动信号的特征变化。 适用人群：信号处理，机器学习，深度学习研究者对信号进行特征分析以及特征提取。 本代码为matlab代码，在matlab2020上编写。

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量，根据Donoho提出的小波阈值去噪算法，分析了维纳滤波原理，提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理，用处理后的图像计算噪声的标准方差，以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解，实现对图像的低频和高频部分分别进行分解，用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时，经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声，而且能很好地保留边缘信息，极大地改善了图像的视觉质量。

小波包阈值去噪MATLAB代码

针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中，用传统的信号处理方法不易提取故障特征，给齿轮的故障诊断带来很大困难这-事实，本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络，研究了BP网络故障模式识别与小波包故障特征提取结合在-起对齿轮故障进行诊断的方法。研究结果表明该方法可以成功地用于齿轮常见故障的识别和诊断。

使用小波包对一维信号进行降噪或压缩实例分析.m

如何减少各冲击信号间的干扰,使得信号特征突显出来是问题的关键。小波包分解可以对检测信号进行多通道滤波,通过不同频率的小波与检测信号相互作用,将信号划分成不同的频段,减少了信号间的干扰,同时,AR谱估计具有外推功能,可以有效地分析短样本信号。 通过上述分析,在分析小波包分解原理和AR谱估计特点的基础上,对6种不同磨损状况下的东风EQ2102汽车变速器轴承振动信号进行小波包分解,重构各频段信号并进行AR谱估计,最后计算故障轴承与新轴承的散度值,有效地提取出变速器轴承信号的故障特征信息。 (1)振动信号的采集。 (2)小波包分解。 (3)分频段重构时域信号。 (4)AR谱分析。对每一频段重构的信号进行AR谱估计,得到仅含特定频率信息的AR谱。 (5)计算小波包-AR谱频带能量,分析各频带能量与轴承间隙变化的规律。

按频带顺序排列的小波包新算法及应用.doc