本文提出了一种构造自适应小波的新方法。其主要思想是通过设计合适的小波滤波器组来提取信号的不同模式。这种构造导致了一种新的小波变换，称为经验小波变换（EWT）。实验结果表明，与经典的经验模式分解(EMD)方法相比，该方法是可行的。

EWT 能够对原始信号的 Fourier 谱进行自适应划分，并对每个分割区 间内构造相对应的小波滤波器，通过构造的正交小波滤波器组来 提取调幅-调频成分，从而能够准确提取分量信号。由于经验小波 变换是在小波变换的框架下提出的，因此具有完备的理论基础和 较快的计算速度，能够避免 EMD 中存在的问题。

基于经验小波变换的滚动轴承故障诊断研究，徐明，谭继文，经验小波变换(EWT)作为一种新的自适应信号分解方法，通过在频域自适应构造带通滤波器组，构造正交小波函数，以提取具有紧支撑傅里�

故障特征的研究方法说明。

MATLAB经验小波变换（EWT）工具箱的安装与使用

matlab小波平滑代码Python的经验小波变换 巴西尔·赫拉特（Basile Hurat） 介绍 这是Python中经验小波变换包的文档。 经验小波是小波的概括。 经验小波族可以由母子波的平移，缩放和调制形成。 这使它们比传统的小波更具适应性，并且已经使用算法基于它们分解的信号的信息来构造一系列小波。 以下论文更详细地介绍了经验小波： ewt1d ewt2d 比例空间 重量 连续的 该软件包最初基于Jerome Gilles（）的MATLAB软件包，并包括基于Michael Elad（）的MATLAB代码的某些功能（ppfft，ippfft，appfft，fracfft）的python实现。 该软件包的主要功能是： ewt1d.py ewt1d ：一维经验小波变换 iewt1d ：一维逆经验小波变换 ewt2d.py ewt2dTensor ：二维经验张量变换 iewt2dTensor ：二维逆经验张量变换 ewt2dLP ：2D经验Littlewood-Paley变换 iewt2dLP ：二维逆经验Littlewood-Paley变换 ewt2dRidgelet ：2D经验脊波变

小波变换函数matlab代码ewtpy-Python中的经验小波变换 用EWT（）方法自适应分解信号 从的Python翻译。 ewtpy在N个标度上执行一维信号的经验小波变换。 主要功能是EWT1D： ewt，mfb，边界= EWT1D（f，N = 5，log = 0，detect =“ locmax”，完成= 0，reg\n='\u5e73\u5747\u503c'，lengthFilter = 10，sigmaFilter = 5） 其他功能包括： EWT_Boundaries_Detect EWT_Boundaries_Completion EWT_Meyer_FilterBank EWT_beta EWT_Meyer_Wavelet LocalMax LocalMaxMin J.Gilles的MATLAB工具箱中的某些功能尚未实现，例如2D输入的EWT，预处理，自适应/ ScaleSpace boundary_detect。 Example文件夹包含测试信号和脚本 安装 从下载项目，然后从项目文件夹运行“ python setup.py install” 或者 点安装ewtpy 引用与联系 可用的纸张。 如果

2019 年 12 月：重大更新：新版本 4.0！ 一维变换现在可以处理复杂信号（即经验小波本身是复杂的，因为它们在傅立叶域中不一定是对称的）。 曲线波滤波器的结构已经过修改和简化，以保证几乎完美的重建。 在可能的情况下，所有其他 2D 变换已被清理和简化。 绘图函数现在为每个子图添加一些标题。 在组织方面，现在几乎所有功能的名称中都包含首字母缩略词“EWT”（大多数情况下作为前缀）以避免与外部功能发生任何冲突。 在此工具箱中，我们为1D和2D信号/图像实现了经验小波变换。 原理在于检测像小波一样建立在Littlewood-Paley上的Fourier支撑。 在2D模式下，我们将重新审视各种众所周知的变换：张量小波，Littlewood-Paley小波，脊波和Curvelet。 该工具箱还提供了用于生成论文中的实验的脚本： - J.Gilles，“经验小波变换”出现在 IEEE Tra

小波变换方法的研究。

希望大家共同学习、研究、改进。在实验过程中主要将其用于电机轴承振动信号的分析，将其与其他算法相结合进行电机轴承故障诊断。实验结果表明，基于EWT的电机轴承故障诊断算法具有较高的诊断精度和诊断速度。