声纹感知技术为机械状态监测提供了一种低成本的无线感知工具。然而，由于受到环境噪声干扰，如何在低信噪比条件下感知轴承故障产生的独特的声纹仍是一个具有挑战性任务。为此，课题组提出了一种融合物理机制的稀疏声纹感知技术用于轴承故障诊断，我们根据故障轴承发出的声学信号的物理特征，设计了一个广义稀疏贝叶斯学习框架，所构建的框架不仅有效的恢复了故障引起的稀疏脉冲，而且对恢复结果进行了量化估计，提高了诊断精度。研究结果表明，所提的方法克服了传统声纹感知技术在低信噪比条件下的局限性，为更准确的检测轴承故障提供了新策略。

该研究成果已被机械领域顶级期刊IEEE Transactions on Industrial Informatics录用，文章链接：https://ieeexplore.ieee.org/document/10541879.