机械设备中的主要传动部件和最易发生故障的部件为轴承和齿轮，对于轴承和齿轮等传动部件的故障诊断成了众多设备维护的关键问题。根据现场中故障信号受噪声淹没，论文围绕提升小波分析的微弱故障提取方法展开研究，旨在对故障信号进行特征提取、信号净化，对机械早期故障进行预测，其主要内容如下:　　(1)详细分析了提升小波、冗余提升小波的分解与重构过程，并基于插值细分原理对预测器和更新器设计，引入多孔算法对每层的预测算子和更新算子进行插值补零，达到更好地保留有效信号。另选用blocks信号和含噪的blocks信号，运用冗余提升小波与小波阈值降噪算法结合进行降噪，来有效地滤除噪声信号，分析不同的阈值函数选取和阈值选取规则对降噪处理的优越性。　　(2)经典的分解层数确定方法主要基于人为经验的选取或是“逐层比较”的方法，分解层数过多会导致有效信号的失真，分解层数过少会导致降噪不明显，结合上述的不足，在分解过程中引入奇异谱分析，对高频信号进行奇异值分解，运用奇异谱斜率确定出最优分解层数，通过实验信号和工程信号，验证该方法所确定的最优分解层数可以实现良好的降噪效果。　　(3)单一的信号分析方法对含有强大噪声的故障信号，可能会使降噪效果不明显。根据自适应滤波以调节自身传输特性进行有效滤波的特点与冗余提升小波自身的分解重构达到提取有效信号的相似性，采用LMS算法、变步长LMS算法和RLS算法等自适应算法与冗余提升算法相结合达到更好地滤波效果，通过实验信号和工程信号，利用单一自适应滤波方法、单一冗余提升算法方法以及两种方法相结合的方法对其降噪效果分析比较，验证该方法的可行性与有效性。　　(4)构造新的小波函数，使其满足工程信号的复杂性，便于分析故障特征。在插值细分过程中引入数据拟合的方法，选取不同的基函数、样本点数和基函数的维数构造出具有不同光滑性、震荡性、消失矩的新小波，并引入相似系数对所构造的小波函数进行分析选取最适小波函数，并将其与冗余提升小波变化相结合，改善其预测算子和更新算子，对仿真信号和实验信号进行研究分析，验证新的小波函数对冗余提升小波降噪效果有其优越性。