Zur Erkennung eines Lagerfehlers ist es sinnvoll, Zeit- und Spektralanalysen zu verwenden. Diese ermöglichen die Fehlererkennung, bestimmen aber nicht die Art und den Schweregrad des Fehlers. Dazu bedarf es der a priori Kenntnis der Fehlermerkmale und der kinematischen Parameter der Maschine. Um dieses Problem zu beheben, wurde die unüberwachte Klassifikationsmethode OPTICS zur Diagnose von realen und simulierten Fehlern vorgeschlagen. Dynamische Klassifizierungsmethoden und sogar Signalverarbeitungsmethoden werden jedoch von mehreren Parametern beeinflusst, wie z. B. den Vorverarbeitungsmethoden zur Verringerung oder Unterdrückung des Rauschens. Daher basiert unsere Arbeit auf einer vergleichenden Studie zwischen zwei Methoden zur Rauschunterdrückung, der Wavelet-Methode und der Fourier-Transformations-Filterung FFT.