Pick to the wavelet analysis has great advantages in high voltage electrical discharge detection, the choice of the optimal wavelet base is an important issue in the application of wavelet analysis. The effective method to select the wavelet function is: find out the permit conditions of wavelet, according to the similarity of wavelet function and signal after roughing with minimum entropy criteria to determine the optimal wavelet function. Method to choose the suitable for discharge acoustic emission signal wavelet function of wavelet analysis, examples show that discharge acoustic emission signal under the selected wavelet base wavelet 
Analysis of the effect is very good. 
Keyword discharge detection acoustic emission the optimal base wavelet function 
0 lead it 
Carried in a high voltage electrical discharge acoustic emission wave dielectric insulation intensity information, which can determine high voltage electrical internal insulation condition, therefore widely used in a variety of high-voltage electrical appliances such as transformer partial discharge, electric power capacitor, the insulation of the cable, on-line detection of vacuum degree of vacuum circuit breaker, etc. 
Research shows that the wavelet analysis in high voltage electrical discharge detection superiority is very big, but these studies are less involved in practical problems. The important problems in application of wavelet analysis of engineering is to choose the optimum wavelet base. For many, many different kinds of wavelet, different time-frequency characteristics of wavelet, using different wavelet analysis the result of the same question will be different. From a host of wavelet is choosing wavelet can effectively use wavelet transform to extract partial discharge acoustic emission interference environment information of the key. As is known to all, bits of wavelet function (t) for scaling and wavelet function after translation cluster {bits of j, k (t), j, k ∈ Z} nature of L2 (R), a set of orthogonal wavelet base 
Article mainly studies on discharge acoustic emission wave detection of wavelet base is the choice of wavelet function. 
1 choose the method of wavelet function 
1.1 looking for wavelet allow conditions 
Different results of different wavelet analysis to the same problem, with the wavelet analysis method in practical processing signal error between the results and the theoretical results to judge the stand or fall of wavelet, and thus the selected wavelet base. According to the customs documents [1 ~ 4] summarizes the method to select the wavelet function is as follows: 
As is known to all, who meet the following conditions allow sex 

Visible wavelet transform coefficient Wf (a, b) is actually a function f (x) and wavelet bits ((x - b)/a) of the correlation coefficient, the reflected signal and the position a and b in the scale of the degree of similarity between wavelet. Wf (a, b) value, the greater the similarity between signal and selected wavelet is higher. This is the same signal wavelet analysis result difference is very big different. 
So the choice of wavelet basis is: time domain wavelet function and the analysis of signal has the similarity; Power spectrum of the wavelet function and frequency domain by analyzing the signal power spectrum matching. The higher the similarity of both, the analysis of the effect is better. 
1.3 in total entropy minimum standards to determine the optimal wavelet function 
Coifman [1] is proposed based on the information cost function minimum entropy as a standard of choosing wavelet base; Carl further study [2] the non additivity information value function case finding ways to nearly optimal basis. These calculations, the optimal wavelet and wavelet decomposition tree layer of the commonly used method can also be used to select the optimal wavelet function: to define the optimal wavelet function to make the wavelet decomposition to obtain minimum entropy of wavelet function [5], the same signal is different wavelet function to calculate the paragraphs entropy Ej, obtain the minimum entropy Emin = min {Ej} the corresponding wavelet function can be chosen as the wavelet transform arithmetic basis function and make the system to obtain the best classification performance, give the best signal transformation. 
2 discharge acoustic emission signal wavelet analysis of the wavelet function 
Exist within the different high voltage electrical discharge between acoustic emission waves some common: internal discharge is continuous process of acoustic emission wave is also a continuous process of discontinuous: acoustic emission wave starts and ends in the discharge excitation; Frequency range is generally for 20 ~ 200 kHz; The duration of the general < 1 ms (vary with different electrode materials). Typical discharge acoustic emission wave shape as shown in figure 1.

Section 1.1 formula for wavelet function should satisfy the basic conditions, in order to satisfy some special requirements can increase some conditions, such as M order to disappear from the and so on. Clearly has an infinite number of wavelet function, wavelet has infinitely many groups. Many in the family of wavelet, a few small wave functions such as Daubechies, Morlet, Meyer, Biorthogonal wavelet is very useful. Among them, when the choice, acoustic emission wave frequency domain characteristics and discharge the similar wavelet for alternative basis functions. Found by comparing the Biorthogonal wavelet and wavelet Bior3.7, bior3.9 in reverse Biorthogonal wavelet series of rbio3.7, brio3.9, rbio5.5 wavelet meets the requirements. Then wavelet decomposition minimum entropy criteria, select one of the above five kinds of wavelet optimal wavelet function. There are many types of entropy of the signal wavelet decomposition, the energy entropy 
S number under the orthogonal basis wavelet decomposition coefficient. Wavelet decomposition to 5 groups of typical discharge acoustic emission signal, obtained by decomposition layer on the selected energy entropy value shown in table 1. 
In table 1 Sj (j = 1,..., 5), is a different sampling frequency transformer partial discharge acoustic emission wave signal. 

From table 1: in terms of discharge acoustic emission wave, bior wavelet series than rbio wavelet decomposition effect is good. With you have 4 times the total entropy minimum bior3.7 decomposition, using bior3.9 decomposition 1 times the total entropy minimum. So the optional bior3.7 wavelet as discharge acoustic emission wave detection of wavelet function. Bior3.7 decomposition bits of phi using scale function and wavelet function, respectively, as shown in figure 2 a, b, symmetry, sex and regularity are good, center frequency, 0.9336. 
3 discharge acoustic emission signal wavelet analysis examples 
With selected the optimal wavelet function wavelet processing actual discharge acoustic emission signal, including signal and de_noising purification. In figure 3 laboratory test transformer two sets of partial discharge acoustic emission signal data length of S1 and S2 512 points, sampling interval 1 mu s, 1 000 kHz sampling frequency. 
Extract useful frequency wavelet coefficients of signal is a compulsory s useful frequency band for the purification of wavelet decomposition coefficients, the wavelet reconstruction to get useful signal part again. Take bior3.7 (center frequency 0.9336) using multiresolution wavelet analysis of original data for 2 layers of wavelet decomposition. Calculate a2 layer of wavelet decomposition of actual spectrum of 0 ~ 233.4 kHz, contains all high voltage electrical partial discharge acoustic emission signal (20 ~ 200 kHz) spectrum of useful information, so with a2 layer coefficient reconstruction wavelet can restore discharge useful part of the acoustic emission signal (see figure 3) 


Still exist during the purification of signal by wavelet de_noising to suppress noise or attenuation: to extract the useful frequency band wavelet coefficients for double wavelet decomposition, the wavelet decomposition of two layers of reoccupy bior3.7 extract useful frequency band wavelet coefficients and then selects the threshold de-noising. De_noising reconstruction of small wave shape as shown in figure 3. If increase threshold denoising can completely eliminate noise. 
Compared to reconstruct signal and original signal can be found, in this paper the selected wavelet base after preprocessing partial discharge acoustic emission signal can retain all the features of the original signal and waveform smooth, irrelevant information and noise has been greatly reduced and even all can be eliminated. 
4 conclusion 
A. standard this paper summarizes the selection of wavelet basis function can greatly improve the speed of the selection of wavelet basis function, and solved the choice of wavelet basis function is difficult to quantify. 
B. with high-pressure electric discharge acoustic emission wave to detect the optimal wavelet, wavelet analysis discharge acoustic emission signal effect is very good. 
References (abbreviated)