文献[孙丽颖,屈丹,闫钿.傅里叶变换与小波变换在信号故障诊断中的应用.辽宁工学院学报,2005,25(3):155-160]对比了傅里叶变换和小波变换在系统故障诊断中的应用。仿真结果表明，小波变换在信号突变点的检查方面的优势，可以精确地检测出信号突变发生的位置。

文献[廖忠,赵宏.用小波神经网络补偿传感器非线性误差的研究[J].自动化仪表,2005,26(3):13-18]将小波变换与神经网络想结合，用于传感器非线性误差的补偿，并给出了相应的算法和计算公式；仿真实例表明，该方法的有效性。（针对非线性的逼近）

文献[岑翼刚,孙德宝,李宁.WNN中的改进PSO算法及参数初始化[J].华中科技大学学报,2006,34(8):43-45]针对利用粒子群（PSO）算法替代BP算法对小白神经网络（WNN）进行训练的局部极小值问题，提出了改进的PSO算法，即当粒子群陷入局部极小值时将其重新初始化，并改善小波的平移和伸缩参数，从而避免了网络的盲目收索，减少了迭代次数；仿真结果表明，该方法提高了网络收索成功率，在一定程度上解决了局部极小值的问题。（非线性逼近的仿真结果表明）

文献[郭巍,陈友龙.基于MATLAB小波变换在谐波检测上仿真方法[J].微计算机信息,2006,22(8-1)]针对电力系统中含噪非整次谐波的检测问题，提出利用小波变换良好的时频局部化特征来检测；仿真结果表明，小波变换不但具有良好的非整次谐波的检测能力，还具有良好的噪声分辨能力。

[徐新华,杨春生,王盛卫.基于小波变换的传感器故障诊断研究[J].建筑科学,2007,23(12):72-75]提出采用小波变换将数据分解为高频系数和低频系数，利用不含噪声及动态特性的低频信号进行传感器的故障诊断，即基于小波变换的主元分析故障诊断方法；利用该方法对一大型离心式制冷机的实测运行数据进行了验证，且同常规的主元分析方法进行比较，结果表明该方法可以有效提高故障诊断水平。

[周小勇,叶银忠.小波多尺度分析故障检测方法的应用研究[J].控制工程,2007,14(z):65-67]利用小波多尺度分析技术将信号分解成高频分量和低频分量，对此高频分量进行阈值去噪和特征提取，实现对系统故障的检测，并可根据阈值大小实现故障的区分；通过实验装置的仿真验证，说明了该故障检测方法的有效性。

[王立平,付梦印,董绍经.一种扩展的自适应小波变换算法及应用[J].兵工学报,2007,28(12):1452-1454]在Claypoole自适应小波变换的基础上,将Sweldens内插细分构造小波的多项式，由奇次扩展到正整数次，得到扩展的自适应小波变换，从而扩大了自适应小波消失矩的选择范围；仿真结果表明，扩展自适应小波变换有理想的滤波效果。

文献[张峰,梁军,张利,贠志浩.奇异值分解理论和小波变换结合的行波信号奇异点检测[J].电力系统自动化,2008,32(20):57-60]为解决强噪声情况下故障行波信号奇异点的检测问题，提出了基于奇异值分解理论和小波变换的故障行波信号奇异点检测方法；通过重构的吸引子轨迹矩阵，并由Frobenious范数意义下的最佳逼近矩阵可以得到去噪后的信号序列，并对其进行奇异性检测得到信号序列奇异点。仿真结果表明，该方法在强噪声情况下可以去除噪声影响，并且保持信号的奇异性，准确检测到信号的奇异点。