由于滚动轴承的结构细小,承载较大,为最易损坏的关键零部件之一,常作为机械故障诊断的重要监测对象,而有效的信号特征提取方法是保证故障诊断准确性的重要前提,因此本文对轴承信号进行特征提取研究。在实测信号含噪声源信号的情况下,引入一种单通道盲源分离算法对轴承实测信号进行提纯处理,并针对该算法中无法准确选取虚拟通道信号的问题,提出了一种滑动熵互相关系数法筛选虚拟通道信号,从仿真和实验的方法对改进的盲源分离算法进行有效性验证。考虑到轴承信号调制影响特征提取准确性问题,提出了一种基于小包络分析和Relief F算法的信号熵特征提取方法,该方法利用小波包分解算法结合Hilbert包络分析,将轴承原信号分解成不同子频带的包络信号,并提取信号熵特征,利用Relief F算法将无效子频带包络熵特征筛选并去除,从而提高轴承故障特征提取方法的准确度,通过对不同类型的轴承故障实测信号进行特征提取,证明其特征提取方法的有效性。针对轴承多域特征提取不利于模式识别精度的问题,选用LLE算法对轴承信号多域特征集进行数据降维,并针对该算法中采用欧式距离寻找近邻样本点,导致低维数据映射结构扭曲,提出一种新的距离计算公式,通过仿真数据和实验数据分析对比降维算法改进前后的特征值散点分布。基于上述研究方法,用MFC结合MATLAB软件开发滚动轴承的故障诊断系统,并通过实验平台采集实际轴承信号作为实例分析,验证该系统可通过上述特征提取方法有效判断轴承故障类型。通过对轴承振动信号特征提取方法研究,针对不同特性的轴承信号进行特性提取,可以更加全面的描述轴承的状态信息,使之有助于提高轴承故障诊断的准确性。