大型机械设备通常在恶劣的工况环境下连续作业，不可避免的会发生故障，一旦机械设备发生故障将会造成严重的经济损失，而轴承在整个机械设备中最易损坏，轴承一旦发生故障严重影响设备的安全运行，因此有必要对轴承振动信号进行分析，从而找到故障的位置和损坏程度。由于振动的传输路径复杂多变，通过传感器拾取到的故障信号通常呈现非线性、非平稳性，给故障诊断带来了困难。　　从短时傅里叶变换的提出至今，时频分析方法在故障诊断中研究越来越深入，如Wigner-Ville分布、小波变换，但是 Wigner-Ville分布存在交叉项干扰，短时傅里叶和小波变换要求窗口内的信号时稳态的，而轴承故障信号多呈现非线性非平稳性，因此对信号处理的精度会受到影响，本文重点研究基于总体局部均值分解(ELMD)的时频分析方法及其在滚动轴承故障特征提取方面的应用。　　首先，介绍了局部均值分解(LMD)和ELMD的基本理论，然后将ELMD分别与自相关降噪和最大相关峭度解卷积结合用于滚动轴承故障诊断。　　其次，针对ELMD分解过程中白噪声参数(幅值和加入次数)的选择问题进行了研究，引入相对均方根误差值和信噪比作为评价 ELMD分解性能的指标，提出噪声参数最优 ELMD分解方法，结合谱峭度对轴承故障信号进行分析，并在此基础上利用最小二乘支持向量机(LS-SVM)对不同类型的轴承故障信号进行识别。　　最后，提出一种频率优化 ELMD(OELMD)分解方法，与原始 ELMD方法不同，在OELMD方法中，仅添加两个反向的高频白噪声信号，进一步的利用相对均方根误差值来自动选择白噪声最优频率上限。并利用排列熵作为提取轴承故障特征信息的指标完成高精度地轴承故障诊断。