轴承是工业生产中最重要的零部件之一,其运行状态很大程度上影响着生产设备的整体安全和生产进程,因此对轴承的状态监测与故障诊断研究尤为重要,现阶段应用最广泛的方法是对传感器采集到的故障信号做信号分析处理。然而实际工况下采集到的信号通常含有复杂的强背景噪声、多种故障类型互相耦合且故障源信号数量多大于采集信号数量的特点,导致从传输系统未知的观测信号中分离出故障源信号变得十分困难,复合故障的欠定盲提取存在不足。因此,对轴承故障,特别是复合故障信号的降噪与欠定盲源分离的研究具有重要意义。本文主要研究内容为轴承复合故障信号的降噪和盲分离,针对含有复杂噪声信号的降噪不足,研究了一种改进的降噪方法;同时针对欠定盲提取的不足,研究了一种基于改进降噪方法和压缩感知的欠定盲提取方法。主要工作如下:首先,从工程实际应用出发,简要阐述了本文的选题来源与研究背景。分别对盲信号处理技术、欠定盲源分离技术和信号降噪的国内外研究现状进行了较为全面的综述并总结了现存的问题。其次,针对实际现场采集到的信号存在噪声来源复杂、背景噪声强、非线性等问题,研究了一种改进形态滤波和小波阈值降噪相结合的降噪方法。研究的方法利用改进降噪方法进行滤波,同时通过稀疏分量法分离轴承复合故障,而对分离结果的快速傅里叶变换和包络分析则提供了分离信号的频域验证。仿真分析和轴承现场采集声学信号的分析结果均验证了改进降噪方法的有效性。最后,针对实际工况下多种噪声、多种故障信号互相混叠,导致欠定盲提取不足的问题,研究了一种基于改进形态-小波阈值降噪和压缩感知的欠定盲提取算法。首先使用改进形态-小波阈值降噪方法滤波并通过模糊C均值聚类的方法估计混合矩阵,然后使用K均值奇异值分解的方法训练稀疏字典,最后利用正交匹配追踪算法恢复源信号。轴承复合故障欠定盲提取实验证明了该算法的有效性。