基于小波包变换的电力系统谐波分析-基于小波包变换的电力系统谐波分析.pdf The Harmonic Andlys is in Power sys tem Based on Wavelet Trans form 基于小波包变换的电力系统谐波分析.pdf 摘要:传统的基于傅立叶变换的谐波检测方法不具有时间分辨能力, 小波和小波包变换因其良好的时频局部化特性, 成为电力系统谐波分析的有力工具。本文分别用小波变换和小波包变换对电网谐波信号进行了检测, 小波包变换建立在小波变换的基础上, 可以实现信号频带的均匀划分, 能更好地提取信号的时频特性。仿真结果显示两种方法均能有效地分离基波和谐波, 小波包变换能根据要求分离任意次谐波, 仿真分析中指出了两种分析方法的优缺点。 关键词:小波变换; 小波包变换; 电力系统; 谐波分析 结论：本文作者创新点: 本文分别用小波变换和小波包变换对谐 波进行分析, 给出了实现算法和仿真结果, 结果分析表明小波 变换和小波包变换能精确地从谐波信号中分离出基波, 小波包 变换更能根据需要分离出所需的谐波信号, 是一种较好的系统 和谐波分析工具。

文件夹里有四个程序，可以直接运行，其中有一个是小波包去燥，方便初学者学习

提出了一种新的图像特征提取中选取最优小波分解树的方法．塔式小波分解对信号解不够全面，而小波包全分解又引入庞大的计算量，因此小波分解最优树的选取尤为重要．结合模糊C均值(FCM，Fuzzy C-Mean)聚类，提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法，该方法将无监督聚类中的聚类有效性参数弓l入到自适应小波分解的判决中，能根据无监督聚类分割的需要，自适应地选取小波包分解的树形结构和分解层数．相对于小波包全分解，节省了大量的运算，并能取得良好的分割效果．

针对通信系统中数字信号调制方式难以准确识别的问题，根据归一化前后小波变换包络的差异性，提出基于小波变异系数差值（ΔCV）和相似度特征的识别算法。该算法对MASK、MFSK、MPSK和MQAM 4种数字调制信号进行分类识别。理论分析和仿真实验表明算法简单易行，适用范围广，且在信噪比大于2 dB时数字调制信号识别率均在92.39%以上。

小波分析是最近十几年来发展起来的一种新的时频分析方法。它克服了短时傅里叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力。小波包分析是小波分析的延伸，其基本思想是让信息能量集中，在细节中寻找有序性，把其中的规律筛选出来，为信号提供一种更加精细的分析方法。它将频带进行多层次划分，对多分辨分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征自适应地选择相应频带，使之与信号频谱相匹配，从而提高时一频分辨率。我们可以根据小波包的分解特性，利用小波包分解技术滤除干扰信号。 　　1 小波包分析基本原理 　　1.1 小波变换 　　信号x(t)的连续小波变换

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。

小波时频画图工具包，能较好地画出小波变换地时频图。

双树复小波变换和双树复小波包变换代码，包含解释文件与相关分析

对原始信号进行小波包分解，小波函数及分解尺度均可自调

多尺度小波分析，用于分析时间多尺度周期。包括相应小波包及代码，可作全谱图，方差图，功率谱，全局谱，并附带相关置信区间