当前,我国高铁处于蓬勃发展阶段,列车的运营速度持续提高,因此对它的运行安全也提出了更高的要求。轴承是列车齿轮箱中关键的零部件之一,承受着来自轮轨及车体等各方激励,运行环境复杂,一旦发生故障将直接威胁列车运行安全,需要将其作为重点监测对象。齿轮箱轴承振动信号的振源多种多样,且信号较弱,一般淹没在强背景噪声中,研究如何增强轴承振动信号的故障特征,实现轴承故障诊断是本文研究的重点。谱相关函数(Spectral correlation,SC)是循环平稳信号分析中最主要的工具之一,它能够在载波频率域和循环频率域内对信号进行解调处理,并在信号处理中具有一定的降噪效果,但由于其计算量较大,在实际应用中常受到阻碍。快速谱相关算法(Fast Spectral Correlation,Fast-SC)是SC的有效估计方法,与其它SC估计方法相比,FastSC能够随意改变载波频率分辨率与循环频率分辨率,并能够高效准确的对SC进行估计。与传统信号处理方法相比,通过Fast-SC谱图能够获得更多的轴承故障信息。增强包络谱(Enhanced Envelope Spectrum,EES)是在Fast-SC的基础上提出的一个新的谱量,是对Fast-SC谱图的积分,它能在一定程度上增强信号的故障特征。Fast-SC和EES虽然在轴承故障诊断中具有一些优势,但在强背景噪声下的轴承故障诊断应用中却受到一些阻碍。本文通过建立仿真信号,分析了Fast-SC和EES在处理轴承故障振动信号中的优势与劣势。综合Fast-SC和EES的优势,提出通过定位轴承故障引起的高频共振带的方法对EES进行改进。谐波乘积谱(Harmonic Product Spectrum,HPS)在增强信号包络谱中轴承故障特征的同时,对异常值和测量噪声也具有较强的鲁棒性,利用HPS计算得到的谐波显著性指数(Harmonic Significance Index,HSI)能够有效的反映真实的轴承健康状态。鲸鱼优化算法(Whale Optimization Algorithm,WOA)是一种新型的全局优化算法,具有操作简单、参数少、性能优等优点。本文在Fast-SC分析的基础上,利用HIS和WOA作为适应度函数,在载波频率域内寻找轴承故障敏感频带,得到信号的改进增强包络谱(IEES)。将IEES算法应用到齿轮箱轴承仿真信号和高速列车齿轮箱台架实验轴承故障振动信号处理分析中,并与EES以及传统故障诊断算法进行比较,结果表明IEES能在强背景噪声下有效增强轴承故障特征,实现轴承的故障诊断,避免轴承故障出现误诊、漏诊的状况。