近年来,我国经济建设快速发展,对铁路运载能力提出了更高的要求,而铁路系统的运载能力与列车的运行速度和运行安全有着紧密的联系。因此,提升列车运行速度和保障列车运行安全,是铁路系统进一步发展的必要需求。轴箱轴承作为高速列车走行部的核心部件,有着严格的几何精度要求,但由于轴承在快速运转的同时承受复杂载荷,容易引起多种轴承失效故障,影响列车的运行安全。轴箱轴承的实时状态监测可以通过在轴箱外侧安装测试传感器采集振动信号来实现,但采集到的信号包含背景噪声等干扰成分,因此,从实测信号中提取出被干扰掩盖的轴承故障信息,是高速列车轴箱轴承故障诊断的关键步骤。经验小波变换具有完整的数学计算框架,对于非线性、非平稳信号具有良好的自适应性。针对传统经验小波变换频带划分中尚存的不足,本文提出了基于频谱趋势划分频带的经验小波变换优化思路。经验模态分解能够对频谱的低频成分进行提取,数学形态学滤波能够对频谱的故障中心频率位置进行提取,基于此提出了两种频谱趋势的估计方法,从而得到了EEWT及MEWT两种优化的经验小波变换。仿真信号试验的结果证明,两种方法均能实现轴承故障的有效诊断,并能较大地改善传统经验小波变换划分频带时的边界集中与频带过度划分现象。根据轴承常见故障信号包络谱的故障分布特征,提出了谐波显著指标作为频带故障信息量的评价参数,并将其应用于工程信号的有效频带筛选,从而提高了EEWT方法及MEWT方法的实用性。通过台架试验信号与实车线路信号对两种算法的故障诊断能力进行验证,试验结果表明,两种方法均适用于高速列车轴箱轴承的单一故障及复合故障特征提取。