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

针对高压配电装置分合闸机构机械振动信号的非平稳特性,提出一种基于LabVIEW的小波包分解与重构、Hilbert变换和归一化能量谱相结合的振动信号特征提取方法。在配电装置上进行模拟试验,获取了正常状态、分闸弹簧松动和铁心卡涩模式下的样本数据。对振动信号做时频特性分析,利用K近邻算法对不同状态特征量进行了模式识别。结果表明:配电装置正常信号归一化能量谱向量各元素分布较均匀,而故障信号所得的归一化能量谱向量元素变化较大;K近邻(KNN)算法识别率达93.3%,识别速度快,验证了通过K近邻算法诊断高压

提出一种基于思维脑电的无线智能机器人控制系统设计方案。该系统采用想象左右手运动时产生的脑电信号作为智能服务机器人运动的控制信号,实现对服务机器人的控制，改善瘫痪患者生活自理能力。采用基于小波包分解的方法提取特征向量，利用基于欧式距离的方法进行模式识别，进而产生机器人运动控制信号,并通过LabVIEW串口发给单片机，单片机对该信号进行红外编码后发给智能机器人，用以控制其运动方向。实验结果证明，该设计方案有利于提高脑-机接口的实用性。

基于LabVIEW的小波包分析和能量检测应用于电器中交流电磁机构故障诊断在时域范围内，故障振动信号幅值虽有变化，但难以确定电器中交流电磁机构故障类型和程度。建立“能量比值－故障”的电磁机构故障辨识系统，即构造能量比值和电磁机构故障的映射关系，用小波包对振动信号分解与重构，获得振动信号的突变信息及与电磁机构故障相关的特征信息．试验结果可以看出该方法能有效地判断交流电磁机构故障类型和程度．