现代社会对滚动轴承可靠性的要求越来越高,通过分析轴承故障信号,判定故障部位,对保障机械设备的连续稳定运行具有重要意义。考虑到实际工程中,由于对滚动轴承信号的采集与处理往往不在同一地点进行,致使存在许多需要信号远程采集、传输的情况,例如:高铁、航天飞机等。而传输海量的信号会导致存储、传输设备承受巨大的压力,开展将压缩感知算法应用于轴承故障诊断的研究,对于降低设备压力、实现远程故障诊断具有一定的意义。为了实现滚动轴承远程同步故障诊断,本文研究了一种基于分块匹配追踪的滚动轴承故障诊断技术,主要研究内容如下:首先,针对分块压缩感知算法中,依据经验值分块的故障信号,在重构后存在部分信号块重构效果好、部分信号块重构效果差的问题,提出了一种自适应分块的分块方法。该方法通过短时自相关函数寻找信号的复合周期,将信号复合周期的长度作为故障信号的分块长度,避免不同信号块承载的信息差距过大。通过理论分析与实验验证相结合的方式,证明了提出的自适应分块方法,可有效均衡信号块的稀疏度,保障压缩信号在重构过程中的整体重构效果。其次,针对分段正交匹配追踪(Stagewise Orthogonal Matching Pursuit,StOMP)算法在重构稀疏度较大信号的过程中,存在重构效果较差的问题,推出前向后向分段正交匹配追踪(Forward and Backward Stagewise Orthogonal Matching Pursuit,FBSt OMP)算法。FBStOMP算法对重构支撑集的选取方式进行改进,增设了重构支撑集中无效支撑集原子的剔除,以及有效支撑集原子的二次选入机制,进而增加了有效支撑集原子被全部选入重构支撑集的几率,有效地提升了算法的成功重构率。实验结果表明,FBStOMP算法不仅可以重构出稀疏度较大信号,而且其重构出的信号与原始信号之间的差异较小,说明重构信号更好地保留了原始信号的信息,有利于后续故障类型诊断的进行。最后,针对具有相近冲击幅值的内圈故障信号、滚动体故障信号、外圈故障信号,在根据故障信号时域特征量进行故障诊断的过程中,存在诊断准确率较低的问题。本文采用了一种基于数据增强的故障诊断方法,该方法通过数据增强的方式,分别对冲击成分的幅值与信号的时域特征量进行增强。经过数据增强处理的故障信号,其时域特征量得到显著的增强,扩大了不同故障类型的时域特征量之间的差异。依据增强后的时域特征量进行故障诊断,可大幅提升此类故障信号的诊断准确率。