1.一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，具体包括如下步骤：步骤一、对原始的滚动轴承信号进行时间定义处理，截取所需要分析的滚动轴承信号长度，定义每个信号采样点的对应时间点，与实际采样时间、采样时长和采样频率所对应匹配；

步骤二、根据原始滚动轴承信号定义处理，对滚动轴承振动信号的长数据链进行拆组迭代操作，将原本的数据链拆解为多个短数据链并进行SVD分解降噪；

步骤三、根据长数据链的SVD分解一次降噪，利用提取出的噪声和高频成分自适应确定加入的高斯白噪声标准差Nstd和CEEMD的迭代聚合次数NE，对降噪后的信号z1进行分解和多次EMD上下包络，得出多个IMF分量组并平均；

步骤四、根据自适应改进CEEMD分解，判别筛选IMF线性相关性，对线性相关度小于阈值的IMF分量和剩余残差给与舍弃，二次降噪滚动轴承的振动信号，对二次降噪后的IMF分量组求和重构滚动轴承信号多层降噪后的特征数据链。

2.根据权利要求1所述的一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，步骤1的具体实施过程为：(1)根据滚动轴承振动信号采样的数据链长度，将数据链自适应分解成2048*1的多个列向量，分解总个数为： 式中fix()为对括号内向零取整，迭代计数器为：m＝1,2,…,M；

(2)定义每个数据点的时间量为 式中i∈[1,

2048]。

3.根据权利要求2所述的一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，步骤2的具体实施过程为：(1)将每个2048*1的列向量拆分为两个向量C和R，其中C向量中取z(1:1024)，R向量取z(1024：2048)，并构建第一列为C向量，第一行取z(1:1024)，第二行取z(2:1025)，……，第

1024行为R向量的Hankel矩阵；

(2)对构造出的Hankel矩阵进行SVD分解，得出含有原滚动轴承振动信号的特征矩阵，U、S、V特征矩阵；

(3)调用计算出的S特征矩阵中的主对角线元素，并依次对相临元素做差，得出S特征值矩阵的特征差值奇异值谱；

(4)根据特征差值奇异值谱内的最大特征差值B(max)，将0.5％作为最小有效相关性特征差值，将特征差值大于该阈值的特征差值放入S1矩阵中，用零矩阵补齐到原S特征值矩阵的维数，将特征差值小于该阈值的特征差值放入S2矩阵中，同样用零矩阵补齐到原S特征值矩阵的维数；

(5)分别利用H1＝U*S1*V、H2＝U*S2*V重构一次降噪后的滚动轴承信号数据矩阵、高频和噪声信号分量的滚动轴承信号数据矩阵，并取H1、H2的第一列和最后一行，完成多段数据的SVD降噪过程，恢复成一维时序长链数据形式。

4.根据权利要求3所述的一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，步骤三的具体实施过程为：(1)根据高频和噪声分量z2的总体标准差参数量为： 式中，μ

为z2的总体平均值，根据高频和噪声分量z2，总体峭度参数量为：

(2)根据实际不同的振动信号数据的标准差和峭度而自适应确定加入高斯白噪声的标准差为：Nstd＝ω·std(z2)+ν·ku(z2)，式中权值ω取0.2，权值ν取0.05；

(3)根据高频和噪声分量的总体标准差参数量，自适应确定每次CEEMD的迭代聚合次数：NE＝fix(10*ln(Nstd+1.5))2，式中fix()表示对括号内的数值向零取整，且根据经验设置阈值限制NE∈[20,100]；

(4)根据一般经验初步设定IMF分量的自适应个数为：TNM0＝fix(log2(length(z1))-

1)，式中，length(z1)为计算滚动轴承降噪信号z1的实际信号长度；

(5)将滚动轴承降噪信号z1加入一组仅正负号不同，标准差为Nstd的高斯白噪声信号，并对其进行EMD分解，得出上下包络线和验证出TNM个IMF分量，并迭代NE次求解出平均值作为IMF(1)至IMF(TNM)分量；

(6)截取左右两端各10个点作端点截断，即将每个IMF分量的前10个采样点数据和最后

10个采样点数据删除并取得截断后IMF各个分量，减少在边界时发生的过包络失真现象。

5.根据权利要求4所述的一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，步骤四的具体实施过程为：(1)根据一次降噪后的IMF分量组，依次验证，顺序去除IMF(i)分量后的滚动轴承余量信号z3与原始信号z1的相关系数 把ρz1,z3＝0.1作为筛选线性相关信号的阈值，式中，Cov(z1,z3)表示z1与z3的协方差，std(z1)，std(z3)表示z1，z3的方差；

(2)根据线性相关阈值ρz1,z3，当z1与z3的相关系数小于阈值时，剔除剩余次序的IMF分量和所剩余残差，对线性相关IMF分量进行求和，重构二次降噪的滚动轴承信号。