1.一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，包括：
步骤一：获取电路元件灵敏度顺序表，元件按电路元件灵敏度升序排列；
步骤二：在脉冲信号的激励下获取电路n次正常状态响应数据以及由故障元件pi引起的故障状态下的响应数据共n×p次，即得到n条正常状态原始数据和n×p条故障状态原始数据；
其中，i＝1,2,…,p；
步骤三：建立小波包分解特征提取方法库w＝{w1,w2,…,wq}；
其中，w表示所有待选择的特征提取方法的集合，w1,w2,…,wq分别代表第1、2、…、q种特征提取方法；
步骤四：使用方法库内不同参数的小波包分解方法依次处理步骤二获取的电路正常/故障状态原始数据，并计算处理后得到的正/负类样本在对应特征空间下的高维距离度量值，每条原始数据对应一个距离度量值；
步骤五：对于小波包分解方法wj，j∈[1，q]，根据高维距离度量值得到1条正常状态正态分布曲线n(μ0,j,σ0,j2)和p条故障状态正态分布曲线n(μi,j,σi,j2)；
步骤六：计算每种小波包分解方法处理后的p条故障状态正态分布曲线与正常状态正态分布曲线间的混叠面积；
步骤七：根据电路元件灵敏度顺序表结合步骤六得到的响应混叠性，按优先级优选出最优小波包分解算法的参数。
2.根据权利要求1所述一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，所述步骤一中电路元件灵敏度为元件变化比例固定时，输出信号特征的相对变化比例。
3.根据权利要求2所述一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，所述步骤二中正常状态原始数据和故障状态原始数据为电路在脉冲信号激励下一个周期内的时域电压输出信号经采样后，在matlab中使用interp1函数对原始数据进行插值，并进行等时间间隔采样后得到的时间序列。
4.根据权利要求3所述一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，所述步骤三中建立小波包分解特征提取方法库，具体过程为：
每种小波包分解算法对应三个参数，分别为小波基函数种类、选为特征的小波包系数子带数k以及特征空间的核函数种类；将三个参数的待选选项相互组合，每种组合方式认定为1种小波包分解算法，得到小波包分解特征提取法方法库w＝{w1,w2,...,wq}。
5.根据权利要求4所述一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，所述步骤四中使用方法库内不同参数的小波包分解方法依次处理步骤三获取的电路正常/故障状态原始数据，并计算处理后得到的正/负类样本在对应特征空间下的高维距离度量值，具体过程为：
电路在正常和故障状态下的输出原始数据经小波包分解特征提取方法处理后得到正/负类样本，根据每条样本计算其在对应特征空间下的高维距离度量值dist，根据不同特征提取方法对应的核函数种类定义在不同特征空间下的高维距离度量值dist如下，计算公式根据核函数种类进行选择，其中，φ(·)表示由原始空间到特征空间的映射函数，x为原始空间样本序列，x为x映射在特征空间的向量，即x＝φ(x)：
1)线性核-距离度量值：
2)多项式核-距离度量值：
3)高斯核-距离度量值：
每种小波包分解特征提取方法处理后得到的电路n条正常状态样本得到n个高维距离度量值，n×p条由故障元件pi引起的故障状态样本得到p组、每组n个高维距离度量值。
6.根据权利要求5所述一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，所述步骤五中对于小波包分解方法wj，根据高维距离度量值得到1条正常状态正态分布曲线n(μ0,j,σ0,j2)和p条故障状态正态分布曲线n(μi,j,σi,j2)；具体过程为：
根据由正常状态样本得到的n个高维距离度量值和由故障状态样本得到的p组各n个高维距离度量值，采用matlab数学工具箱中的normfit函数，获得1条正常状态的正态分布曲线和p条故障状态的正态分布曲线，以及对应的均值与方差，得到的正态分布曲线横坐标为样本的高维距离度量值，纵坐标为样本高维距离度量值的概率密度分布。
7.根据权利要求6所述一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，所述步骤六中采用混叠性度量函数计算每种小波包分解特征提取方法处理后的p条故障状态正态分布曲线与正常状态正态分布曲线间的混叠面积；具体过程为：
步骤六一：选择小波包分解特征提取方法库内第一种特征提取方法w1对应的1条正常状态正态分布曲线和p条故障状态正态分布曲线；
步骤六二：计算元件p1故障对应的故障状态正态分布曲线与正常状态正态分布曲线的在同一坐标轴下的混叠面积s(p1,w1)；计算元件p2故障对应的故障状态正态分布曲线与正常状态正态分布曲线的在同一坐标轴下的混叠面积s(p2,w1)；以此类推，计算元件pp故障对应的故障状态正态分布曲线与正常状态正态分布曲线的在同一坐标轴下的混叠面积s(pp,w1)；混叠面积s(pi,wj)计算公式为：
其中，x0(pi,wj)表示在小波包分解方法wj处理下，元件pi故障的正态分布曲线与正常状态曲线交点的横坐标；μ0，j和
步骤六三：按顺序选择下一种小波包分解特征提取方法wj对应的故障样本正态分布曲线与正常样本正态分布曲线间的混叠面积，重复步骤六二计算得到s(p1,wj),s(p2,wj),…s(pp,wj)，直至计算完所有特征提取方法对应的故障正态分布曲线与正常状态分布曲线间的混叠面积。
8.根据权利要求7所述一种基于响应混叠性度量小波包分解算法的参数优化方法，其特征在于，所述步骤七中根据电路元件灵敏度顺序表结合步骤六得到的混叠面积，按优先级优选出最优小波包分解算法的参数的具体过程为：
步骤七一：将小波包分解特征提取方法库内的方法按照元件灵敏度顺序表第1位元件对应故障的混叠面积由小到大排列，保留前p位次的小波包分解方法待筛选；
步骤七二：将步骤七一中筛选出的小波包分解特征提取方法按照元件灵敏度顺序表第2位元件对应的故障混叠面积由小到大排列，保留前p-1位次的小波包分解方法待筛选；
步骤七三：将步骤七二中筛选出的特征提取方法按照元件灵敏度顺序表第3位元件对应的故障混叠面积由小到大排列，保留前p-2位次的小波包分解方法待筛选，以此类推，直至将待筛选的特征提取方法按照元件灵敏度顺序表第p位元件对应的故障混叠面积由小到大排列，保留第1位次的小波包分解方法，该方法的参数即为优选出的小波包分解算法最优参数。