摘要：为增强轴承故障信号对于分块压缩感知的重构性能,设计了一种通过自适应分块方式来完成匹配追踪故障诊断算法。此算法综合运用信号分块自适应(Adaptive partitioning,AP)以及K奇异值分解(K-singular value decomposition,KSVD)方法,对正交匹配追踪(Orthogonal matching pursuit,OMP)算法实施了改进,进行重构时对支撑集原子通过二次筛选进行处理,获得更合理的支撑集原子结构,显著改善重构效果。研究结果表明:对轴承故障信号重构后AP-KSVD-OMP算法达到了最低重构相对误差和更短时间,可以保留OMP算法无需对信号稀疏度进行预估的特征,实现了信号重构精度的显著提升。对混合故障信号重构后可以达到对原始信号故障特征准确重现要求,与促使信号形成良好匹配状态。AP-KSVD-OMP算法具备高效运行的优点,实现了重构信号精度的显著提升。