为了准确地对轴承性能退化过程数据进行评估，将Mexican hat小波函数引入支持向量机多分类器中，提出一种小波支持向量机多分类器。并基于平移不变核函数条件，给出该小波函数为容许核函数的证明。根据“一对多”算法建立支持向量机多分类器。通过对内圈故障和滚动体故障的轴承性能恶化过程中数据的分析，表明小波支持向量机具有比BP（back propagation）神经网络、RBF（radial basis function）核函数支持向量机更高的分类正确率。

基于空间声场变换的近场声全息以及统计最优近场声全息要求全息面一侧的声场必须为自由声场。为克服应用上的局限性，提出一种波叠加方法和统计最优近场声全息相结合的方法。针对现有双全息面声场分离技术需在两个全息面上进行声压测量，效率较低的问题，采用波叠加算法根据全息面上声压重构出某个重建面上的声压，利用全息面和重建面的声压数据用统计最优近场声全息技术分离出全息面某一侧声源在全息面上单独产生的声学量，以更少的测点数在全息面两侧都存在声源情况下实现空间声场分离。实验和数值仿真验证该方法的有效性和可行性。