滚动轴承是机械设备中应用最广泛的零部件之一，随着机械设备精密化和复杂化程度增加，对滚动轴承的精度和可靠性要求也越来越高。滚动轴承的损伤，即使是微小的损伤，都有可能影响整个设备正常功能的实现。因此滚动轴承的故障信息检测，特别是早期故障微弱信号检测就显得尤为重要。本文将共振稀疏分解（Resonance-based sparse signal decomposition，RSSD）这一新的信号分解方法应用于滚动轴承早期故障微弱信号检测，获得了良好的效果。论文在滚动轴承系统单自由度振动模型的基础上分析了滚动轴承故障冲击响应的波形特点，提出了更接近实际情况的二自由度振动模型。研究了解调频带的确定原则和故障信号调制特征。结合实际测得的故障轴承振动信号，分析了滚动轴承早期故障信号的组成成分以及这些成分的产生原因和处理方法。论文研究了共振稀疏分解的主要参数对分解结果的影响规律，并通过仿真实验验证了共振稀疏分解法提取故障冲击响应的可行性。用高共振分量来拟合故障冲击激起的持续振荡，用低共振分量拟合振动信号中的突兀部分（主要是故障冲击脉冲响应中有突跃变化的振荡峰和噪声信号中的尖峰），噪声中幅值比较均匀的部分绝大多数包含在残余分量当中。论文研究了滚动轴承故障信号共振稀疏分解的参数确定，并提出了基于共振稀疏分解的故障信息提取方法。具体流程为：先根据振动信号频谱确定待解调的固有频带，再对其进行共振稀疏分解，提取高低共振分量中待解调固有频带附近的子带，然后分别对这些子带求和得到主子带，将高低共振分量的主子带求和得到原始信号的主子带。对三种主子带包络解调得到包络信号，最后对各主子带的包络信号进行自相关处理并获取包络信号的自功率谱，自功率谱中的峰值将反映故障程度和发生故障的元件。为了验证本文提出的故障信息提取方法的有效性，对不同故障类型和故障尺寸以及不同工况下的滚动轴承振动信号进行了研究，并与包络分析和小波分析进行了对比研究。结果表明本文提出的基于共振稀疏分解的故障信息提取技术得到的频谱毛刺更少，信噪比更高，并且该方法比传统包络分析和小波分析更能揭示故障冲击响应的振幅调制频率。为滚动轴承早期故障微弱信号的检测提供了新的解决途径。