近年来，为了满足对机器故障进行精确诊断的需要，非线性、非平稳、非高斯信号处理技术在机械故障诊断领域受到越来越多的关注。高阶统计信号处理技术是非线性、非高斯信号处理的有力工具。 本文主要基于高阶统计量构造指标，对滚动轴承故障的振动信号特征进行提取及分类研究，并通过应用验证效果。文章首先介绍了滚动轴承故障诊断方法的研究现状及发展方向，分析了滚动轴承的振动故障机理。然后介绍了高阶统计量的定义和性质，这是论文进行信号分析的理论依据和构造高阶统计量诊断指标的方法。接着介绍了文中用到的两种分类识别的方法——欧氏距离和人工神经网络。利用滚动轴承故障模拟试验台上测取的振动加速度信号，应用高阶统计量指标和分类方法进行分类与故障诊断。文章着重通过变滞后量的三阶和四阶累积量指标以及双谱提取滚动轴承振动信号的特征信息，并结合距离函数、BP神经网络对故障进行分类和诊断，分析和比较这些方法的分类效果。理论分析和应用结果表明：高阶统计量能有效抑制信号中高斯噪声，并能提取信号中的非线性特征，对故障信息的提取效果很好，结合模式识别方法可以更好地对故障进行诊断。