针对压缩感知的算法流程中,传统的稀疏表示字典存在体量庞大、占用内存严重、构造效率低等问题,提出了一种基于单一模态Laplace小波字典的压缩感知故障诊断方法.首先,截取长信号中的特征片段,采用滑动频谱有效值识别信号的共振频带及中心频率,确定Laplace小波的模态频率;其次,根据滑动峭度指标的分布曲线,提取包含单一冲击的片段信号,通过相关滤波法提取Laplace小波的模态阻尼;然后,通过补零插值建立特定长度的冲击原子,并基于循环移位策略,扩张成单一模态的Laplace小波稀疏字典;最后,结合高斯随机测量矩阵和正交匹配追踪算法,实现原始信号的压缩重构.仿真和实验结果表明,单一模态的小波字典具有更高的构造效率,占用内存更低,能够实现数据的有效压缩和特征重构,确保了噪声环境下的故障特征辨识.