摘要： 针对滚动轴承声信号分析信噪比低、易受环境噪声干扰的问题，提出一种基于改进功率归一化倒谱系数(Power-Normalized Cepstral Coefficients，PNCC）和支持向量机(Support Vector Machine，SVM)的滚动轴承故障声纹识别方法。首先对轴承声信号进行预处理；然后提取改进的PNCC并将其作为特征向量；进而根据SVM算法建立声纹识别模型对轴承故障类型进行识别，并测试所提方法在叠加噪声后的识别准确率。结果表明，改进PNCC具有识别准确率高的特点，在噪声干扰下相比原始PNCC识别准确率均值提高13.35 %，鲁棒性更强。研究结果可为滚动轴承的声信号特征提取和故障识别应用提供参考。

关键词: 故障诊断, 滚动轴承；声纹识别；鲁棒性；功率归一化倒谱系数；支持向量机