本文以深沟球轴承球体的原始故障信号为例（如图1） ，进行了小波变换，选用db4小波， 进行4层分解，尺度取整数1至200。020040060080010001200-0.5-0.4-0.3-0.2-0.100.10.20.30.40.5图 1 原始信号Fig.1 the ball bearing fault signal利用以上三种小波阈值降噪方法对该信号进行降噪，图 2 为三种小波阈值降噪020040060080010001200-0.500.5余 余 余 余020040060080010001200-0.500.5余 余 penalty余 余 余 余 余 余 余020040060080010001200-0.500.5余 余 Birge-Massart余 余 余 余 余 余 余020040060080010001200-0.500.5余 余 余 余 余 余 余 余 余 余 余图2 三种小波阈值降噪Fig.2 three threshold denoising ways 在三种小波阈值降噪模型中, Penalty 阈值降噪模型和缺省阈值的降噪模型的降噪效果明显 的优于 Brige-Massart 阈值降噪模型的降噪效果, 说明 Penalty 阈值和缺省阈值降噪模型 能 有效地降低原始信号的噪声。图 3 为信号经 Penalty 阈值降噪后的灰度图，横坐标为时间尺 度 b，纵坐标为位移尺度 a，图 4 为信号经 Penalty 阈值降噪的三维图。图3 信号灰度图 图4 信号的三维图Fig.3 grayscale Fig.4 signals three dimension对以上三种不同阈值降噪模型进行分析，选择 Penalty 阈值降噪模型对深沟球轴承进行频域分析，如图 5 为降噪后信号的频谱图，频率在 140 Hz 附近，与表 1 中球体故障频率一 致， 可以判定故障是因为球体故障频率引起的。05010015020025000.10.20.30.40.50.60.70.8图5 降噪后信号的频谱图Fig.5 Denoising spectrum of the signal3 EMD盲源分离阈值法实例分析以白噪声未为例( )sin602sin120sin(/5)sin180sin240s tttttt进行仿真，图3为含噪声信号，图4为含噪声信号的频谱。02565127681024-505图3 含噪声信号0501001502000200400600图4 含噪声信号频谱首先对该信号进行EMD变换，信号的分解为IMF条件的分量，如图5所示。 ( )s t020040060080010001200-10010余 余 余 余020040060080010001200-2021020040060080010001200-2022020040060080010001200-5053020040060080010001200-5054020040060080010001200-505余 余 余 余图5 信号EMD变换将经EMD分解后得到的4个IMF分量重新组成新的4维观测信号，进行( )s tCardoso-FJADE算法进行BSS分离，得到源信号估计，如图6所示 -505y1-505y2-505y31002003004005006007008009001000-505y4图6 信号BSS分离 将BSS分离后的信号进行小波阈值降噪如图7所示，与图6相比效果良好。-505y1-505y2-10010y31002003004005006007008009001000-505y4图 7 阈值降噪信号