随着城市轨道交通的不断发展,城轨列车的安全性受到了越来越多的关注。滚动轴承作为列车走行部的关键部件,其良好的工作状态是列车能够安全运营的关键。因此,对列车走行部滚动轴承开展故障诊断研究具有重要的现实意义。由于列车的运行环境复杂,且滚动轴承通常集成于其它机械设备中,导致采集到的振动信号中除轴承本身的振动信号外,还包含着大量的冲击噪声、循环平稳噪声等干扰信息,这为轴承的故障诊断带来了极大的困难。基于以上情况,本文以滚动轴承为研究对象,将强噪声干扰下的滚动轴承故障诊断作为研究目标,基于共振解调技术,从振动信号降噪和最优故障解调频带选择两方面进行研究。本文主要研究内容如下:（1）介绍了滚动轴承的基本构造和主要失效形式。基于滚动轴承振动机理,建立了滚动轴承三种典型故障的振动信号模型,通过对模型时频域特征的分析,总结出轴承故障振动信号具有共振调制现象。（2）针对信号中的噪声会影响轴承故障诊断的效果,在基于EMD降噪算法的基础上,为改善模态混叠效应以及减小重构误差,提出了基于CEEMD的降噪算法。仿真结果表明:基于CEEMD的降噪算法能够突出信号中的高频共振成分,并保留原始信号的大部分特征,为进一步提取故障特征提供了良好的条件。（3）针对列车走行部轴承振动信号中冲击振动和与轴承故障无关的循环平稳振动较多,快速谱峭度图和Protrugram易受干扰,无法选择正确的解调频带。本文从干扰振动和轴承故障振动包络谱特征的区别出发,参考Protrugram的频带划分方法,提出了一种基于包络谱故障特征识别的最优解调频带选择算法。仿真结果表明:在冲击振动和循环平稳振动的干扰下,本文提出的频带选择算法能够给出正确的轴承故障解调频带,体现了很强的工程应用价值。（4）设计综合振动实验台,模拟列车走行部轴承实际振动信号产生、传输和存储过程,采集不同故障类型的轴承振动数据。将本文提出的降噪算法和解调频带选择算法与共振解调技术相结合,应用于实测数据的分析,对轴承成功进行了故障诊断,表明本文提出的列车走行部滚动轴承故障诊断算法在实际工程中具有有效性。