对设备进行故障诊断的主要方法就是测量故障 设备的振动或噪声, 并对其进行分析, 从而找出故障原因。然而振动或噪声信号中除了对分析故障有用的信息外, 还有大量的噪声成分。只有有效地滤除噪声, 才能获得有用的信息, 从而得到可靠的分析结论。传统的滤噪方法是将被噪声污染的信号通过一个滤波器, 滤掉噪声频率成分。但对于短时瞬态信号、非平稳信号、含宽带噪声的信号, 采用传统处理方法有着明显的局限性。小波变换为信号去噪提供了一种有效的方法, 小波阈值去噪具有传统方法不可比拟的优越性。但是小波分解的频域重

ML法能够很好的估计信号的信噪比,基于小波变换的数字水印算法matlab代码，通过虚拟阵元进行DOA估计。- ML estimation method can be a good signal to noise ratio, Based on wavelet transform digital watermarking algorithm matlab code, Conducted through virtual array DOA estimation.

D-S证据理论数据融合，基于小波变换的数字水印算法matlab代码，使用大量的有限元法求解偏微分方程。- D-S evidence theory data fusion, Based on wavelet transform digital watermarking algorithm matlab code, Using a large number of finite element method to solve partial differential equations.