近年来科学技术不断进步,推动了我国经济的进一步发展。旋转机械对我国工业设备稳定运行起到举足轻重的作用,而滚动轴承作为旋转机械中的关键零部件,在机械领域具有相当广泛的应用,其一旦发生故障会给人们的生产生活带来巨大的经济损失,甚至危害人们的生命安全,因此对滚动轴承故障进行深入研究是一项至关重要的工作。本文对滚动轴承展开了重点的研究:首先对轴承故障信号进行采集,之后对采集到的信号进行噪声滤除以及故障特征增强处理,最后对预处理后的信号进行故障分类和诊断。本文将从以下三个方面展开研究:信号采集,信号预处理,故障诊断。首先,提出了稀疏测量矩阵,以解决传统压缩感知算法中测量矩阵无法对信号中有用信息实现有效采集的问题,通过将测量矩阵稀疏化为稀疏测量矩阵和基测量矩阵,扩大了测量矩阵的选取范围,得到了精度与速度并存的测量矩阵。针对稀疏测量矩阵能量局部聚集的现象提出分段的方法对原始信号进行重构。通过仿真信号以及实际信号对该方法的可行性进行了验证。其次,针对传统小波阈值去噪方法难以同时实现噪声滤除与故障特征增强的问题,提出了一种新型小波阈值去噪函数。首先利用经验小波变换（Empirical wavelet transform,EWT）对信号进行分解,得到各个分量,并利用新型小波阈值函数对各分量进行处理,其次将各个分量的裕度指标以及峰峰值作为小波阈值的调节因子,滤除噪声的同时实现了故障特征增强的效果。最后,提出了平衡二进制一维三元模式（Balanced Binary One Dimensional Ternary Patterns,BB-1D-TP）算法,该算法首先将局部三元模式在图像领域的应用延伸至一维振动信号领域,之后通过所提出的平衡二进制算法将处理后的信号重新编码,从而将其融合为一组数据,最后将其频域图输入分类器中,实现对故障的高精度以及高效率的诊断。