摘要： 基于声信号的故障诊断由于其所具有的非接触、易安装等优点开始逐渐在机械故障诊断领域中得到广泛应用，但声信号的信噪比低导致其诊断准确率较差，因此急需有效的智能方法以实现噪声背景下的信号特征提取。稀疏滤波算法是一种基于无监督学习的智能特征提取算法，它能够优化特征分布的稀疏性从而得到好的特征表达。为了实现轴承声信号的特征提取和故障诊断，采用稀疏滤波算法从声信号频谱中提取特征，通过对其目标函数添加L2 范数约束以减少过拟合现象，然后采用Softmax 回归函数作为分类器，实现对不同轴承故障类型的精准识别。最后通过一组特殊设计的轴承故障诊断实验验证了所提方法的有效性。

关键词: 故障诊断, 声信号, 稀疏滤波, L2 范数, Softmax回归