1.基于六阶基数样条小波神经网络的带通滤波方法，包括硬件电路设备上的信号处理和控制器内小波神经网络算法，硬件电路设备信号处理步骤如下：(1)选择数据采集卡，数据采集卡包括单端转差分电路，模数转换电路，(2)将以时间t为自变量的信号f(t)作为输入信号输入单端转差分电路，(3)模数转换电路将单端转差分电路输出的差分信号由模拟电信号转换为数字信号h(T)，(4)将数字信号h(T)传入存储器中等待处理，(5)编写小波神经网络算法在控制器上，(6)控制器将存储器中的信号进行处理，并传到上位机显示，控制器内小波神经网络算法实现步骤如下：

1)选取六阶基数样条尺度函数为g(x)，它的傅里叶变换为其中，w为角频率，

2)基于式(1)，得到

3)选定式子为

Yg(w)＝cos6(w/4)          (3)

4)基于式(2)和(3)得

Pψ(w)＝-e-iw/2Fg(w+2π)Yg(w+2π)            (4)

5)基于式(1)和(4)得

6)基于式(5)应用傅里叶逆变换获得ψ(x)，ψ(x)为六阶基数样条小波，把ψ(x)作为小波神经网络的激励函数，

7)设定滤波通带的带宽为[-2πa,-πa]∪[πa,2πa]，a为根据实际样本信号和噪声带宽而确定的通带参数，确定输入权值j

2＝a         (7)

8)设定采样间隔为T,可得到式子

J＝-log2(T)       (8)

9)选定参数q为

q＝J-j           (9)

10)I0到I1的值由存储器中的数字信号h(T)长度所决定，I0为起始值，I1为最终值，

11)取参数H0,H1,P0,P1,G0,G1,L0,L1分别为基于式(7),(8),(9)和I0,I1取值得到表示小于其最小整数， 表示大于其最小整数，得到：当输入权值选为2j＝a时，隐含层节点数确定为 到

12)选取系数 如下：

λ-10＝-0.0003 λ-9＝0.0006  λ-8＝-0.0012 λ-7＝0.0023   λ-6＝-0.0041λ-5＝0.0074   λ-4＝-0.0128 λ-3＝0.0211  λ-2＝-0.0316  λ-1＝0.0413λ0＝0.9546    λ1＝0.0413   λ2＝-0.0316  λ3＝0.0211    λ4＝-0.0128λ5＝0.0074    λ6＝-0.0041  λ7＝0.0023   λ8＝-0.0012   λ9＝0.0006λ10＝-0.0003

13)基于系数λk构造矩阵R＝[λk-n]k×n，其中λk-n作为矩阵(k,n)的位置，如λ0为主对角线上元素，其它同理，得到矩阵R，最后得到Λ＝RTR     (13)

14)根据存储器的输入信号h(T)得到矩阵Hs和构造矩阵β其中式(14)、(15)中的n的值为I0到I1间的整数值,I0和I1由步骤10)决定，Hs为数字信号h(T)构成的矩阵，其中的hs(n/2J)为信号离散点处信号幅值；式(15)中的k的值为K0到K1间的整数值,K0、K1的值分别由式(11)、(12)决定，

15)基于式(13),(15)，计算得到矩阵Mf＝0.5×(βTΛβ)-1βTΛ       (16)

16)基于式(14),(15),(16)，采用迭代法计算输出层权值，其中迭代步骤为：i.随机设定一组神经网络输出层权值向量C1，上角标1表示第一步迭代时的输出层权值；

ii.设Ck表示第k步迭代的输出层权值，将其带入式(17)计算第k步时的误差Ek；

E(k+1)＝Hs-βC(k+1)        (17)iii.设定迭代结束阈值ε，判断式(18)是否成立，||·||为欧几里得范数：iv.如果式(18)不成立，则将Ek带入式(19)，计算出Ck+1，再进行第ⅱ，ⅲ步；

C(k+1)＝C(k)+MfE(k)        (19)v.如果式(18)成立,则迭代结束，得到输出层权值向量C0，

17)基于式(6),(7),(11),(12)和C0小波神经网络最终表达式为：式中fj(x)即为小波网络滤波后的结果。