轴承早期故障信号的信噪比较低，较难识别。为提高轴承早期故障诊断的准确，分析了现有方法和视觉信息处理方式的相似点，从视觉信息处理的角度进行研究，提出一种基于谱质心直方图的滚动轴承故障特征提取方法，将所提出方法用于滚动轴承不同运行状态下的故障特征提取，将所提取特征作为支持向量机的输入特征向量从而实现对滚动轴承不同运行状态的智能分类。实验证明，谱质心直方图提高了轴承早期故障诊断准确率，准确率平均提高了2 %，优于Mel频率倒谱系数特征。

针对滚动轴承早期故障信号被背景噪声淹没、故障特征不明显的问题，提出一种基于小波包分解和互补集合经验模态分解（CEEMD）的轴承早期故障信号特征提取方法。利用Matlab软件对采集到的轴承振动信号进行快速谱峭度分析，根据峭度最大化原则确定带通滤波器的中心频率和带宽，设计带通滤波器；对经过带通滤波器滤波后的信号进行小波包分解和CEEMD分解，根据峭度、相关系数筛选出有效本征模态函数（IMF）分量；利用IMF分量重构小波包信号，对重构小波包信号进行包络谱分析，提取轴承早期故障信号特征频率。该方法通过谱

应用循环自相关函数和快速谱峭度相结合的方法,对滚动轴承早期故障诊断进行分析研究。首先利用谱峭度方法确定滚动轴承振动信号的最佳带通滤波器,然后利用循环自相关函数对滤波后的信号进行解调,提取出滚动轴承故障特征频率,有效地减少了噪声信号的干扰且增强了故障信号。通过仿真与实验数据的轴承故障振动信号验证所提方法的有效性。