伴随着我国经济的高速发展,工业领域中如交通运输、石化、冶金、能源等至关重要的行业中的机械设备正朝着大型化、精密化、自动化、和智能化的方向发展,机械设备的可靠性越来越成为影响工业发展和现代化至关重要的因素,运用现代机械状态监测与故障诊断技术对机械设备进行监控和诊断是避免机械设备意外失效所造成经济、人员损失的有效方法,而在众多机械设备中轴承是故障率最高的部件。如果能够实时检测机械设备中轴承的运行状况,并对其已发生和即将发生的轴承故障进行故障特征提取并判定健康状态,则有利于提高机械旋转系统及整个设备的可靠性,减少非计划停机时间,进而提高设备的利用率。第一,论文对针对轴承故障特征提取技术的国内外研究现状进行了总结与分析,阐释了目前的方法在高噪声干扰的背景下轴承故障特征提取的不足和有待改进之处。在提取对象方面,对于轴承的故障类型进行了分类与故障机理分析,运用数学建模的方法对轴承的内、外圈和滚动体点蚀剥落故障时域信号进行了仿真,生成了对应的故障仿真信号并运用所生成的仿真信号进行下一步研究。第二,针对众多机械设备中轴承故障信号所存在的高噪声干扰等情况提出了基于稀疏理论的轴承故障特征提取方法并对稀疏表示理论进行详细的理论原理论述,后针对其一般情况下存在的字典适用性差、算法优化不完善等问题提出了基于Laplace小波基的过完备字典与残差比阈值优化的匹配追踪(Match Pursuit,MP)算法相结合的特征提取算法,验证了其在仿真信号、加工故障和全寿命早期故障信号上特征提取的效果。第三,在上文所提算法的基础上,对于MP算法中计算效率不够高、不同数据停止阈值鲁棒性不足等问题提出了衰减余弦字典与基于稀疏基追踪(Basis Pursuit,BP)方法的特征符号搜索算法相结合的快速特征提取算法ACFSS。在低信噪比仿真故障信号、全寿命微弱故障信号对象上验证了ACFSS的有效性,之后对所提算法ACFSS进一步验证了其对于噪声干扰下的复合故障特征提取方面的应用。