小波神经网络是小波分析和神经网络相结合产生的，它把神经网络的自学习自适应能力和小波对信号的时频局部特性和变焦特性结合起来，以更有效的辨识黑箱模型，对保证工业产品的质量有很大的意义。 本文从小波的基础理论出发，把小波对信号的滤波和多分辨率的优越特性应用在工业信号的处理上，在传统的小波神经网络的基础上进行了改进，利用小波对工业现场过来的数据进行了降噪，并使用主元分析法去除了数据的相关性。然后对处理过的数据建立小波神经网络模型，最后通过计算机进行了仿真。具体工作如下： 1、数据的预处理部分 由于在实际的生产过程中，从工业采集的信号往往带有噪声和突变，为了更好的跟踪和保证生产我们需要对这些信号进行分析。 本人在深入学习小波分析的基本理论知识的基础之上，借助Matlab语言完成了小波分析的基本算法，包括离散小波正变换和反变换；接着分别从小波基、阈值的选择等方面详细讨论了基于各种阈值决策的小波降噪方法及其应用。并通过主元分析对数据的降维作用，通过PCA对降噪过的信号进行了降维处理，为神经网络的快速训练提供了很好的基础。 2、小波神经网络部分