軸承故障診斷常用方法為振動分析法，通過分析加速度傳感器等采集振動數(shù)據(jù)，利用傳統(tǒng)信號處理手段分析故障特征得到故障類型。

軸承實際工況往往環(huán)境噪聲較大，嚴重制約了信號的分析，影響最終的信號分析與判斷，因此信號去噪成為了軸承故障診斷過程中的重要方面，目前常用的信號去噪方法主要有基于變換、獨立分量分析、經(jīng)驗?zāi)Ｊ椒纸?、主分量分析、稀疏分解等方法，本文主要介紹分解降噪方法。

在數(shù)學(xué)上，去噪問題的本質(zhì)是一個函數(shù)逼近問題，即如何在由母函數(shù)伸縮和平移版本所展成的函數(shù)空間中，根據(jù)提出的衡量準則，尋找對原信號的最佳逼近，以完成原信號和噪聲信號的區(qū)分。也就是尋找從實際信號空間到函數(shù)空間的最佳映射，以便得到原信號的最佳恢復(fù)。

從信號學(xué)的角度看，去噪是一個信號濾波的問題，而且盡管在很大程度上去噪可以看成是低通濾波，但是由于在去噪后還能成功地保留信號特征，所以在這一點上又優(yōu)于傳統(tǒng)的低通濾波器。

分解后，一般認為系數(shù)較大的代表了信號的主特征，而小系數(shù)多為噪聲部分，因此采用閾值對小系數(shù)進行約減實現(xiàn)信號的去噪過程。閾值去噪主要采用硬閾值和軟閾值的方法。硬閾值通俗的講為將小于閾值的分解系數(shù)置為0，大于閾值系數(shù)不變，而軟閾值為小于閾值系數(shù)置為0，大于閾值部分減去閾值。從原理上看，去噪的關(guān)鍵在于閾值的選擇，合理的閾值能夠得到較好的去噪結(jié)果。

目前常用的閾值為：λ==σ *sqrt(2log(N)),其中σ是噪聲強度 , N為信號長度。

軟硬閾值均存在一定的缺陷，因此提出了許多改進算法，比如去噪中軟硬閾值的一種改良折衷法，改進的閾值函數(shù)是介于軟 、硬閾值函數(shù)之間的 一個靈活選擇。公式為

確實不失為，一個比較好的方法，代碼目前也有開源，是個不錯的選擇。