振动信号是滚动轴承运行状态的信息载体，周期性重复冲击及幅值调制是滚动轴承在缺陷与故障时的核心特征，这两者均有一个共同的特点，即不仅与时间有关，而且与频率也密切相关，因此如果割裂时频特征，仅仅从时域或频域的角度分析这类信号，则很难获得有关信号特征的全貌，而从联合的时频域的角度来识别这类信号，无疑会提高诊断的准确性和可靠性。另外强背景噪声及冲击振动也是滚动轴承振动信号不可忽视的特点，因此本文拟采用自适应形态滤波法，以滚动轴承的故障特征频率为判据构造自适应多结构多尺度形态滤波器进行背景噪声的滤除及冲击信号的提取，在此基础上结合局域波分解法对滚动轴承振动信号进行处理，进而提取有效的特征参量局域波相关尺度熵，最后利用模糊聚类的方法对滚动轴承的运行状态进行识别，主要工作如下：（1）数学形态学摒弃了传统数值建模及分析的观点，从集合的角度刻画和分析被处理信号，设计了一个“探针”（结构元素）的来探测信号的信息，利用该探针在被处理信号中不断平移,完成信号与结构元素间的匹配,达到信号提取、细节保持和噪声抑制的目的。按照振动信号处理中频响函数测量原理，研究了结构元素宽度、采样频率、分析点数与滤波特性间的定量关系，给出了数学形态滤波器特性的定量描述。提出一种自适应多结构多尺度形态组合滤波方法，详细讨论自适应多结构多尺度结构元素的构造，以被处理信号的特征频率强度系数为判据，利用敏感的结构元素组合出多尺度多结构的自适应均值滤波器，取得了较好的低频信号提取效果。（2）局域波法是基于信号局部特征的自适应时变分解算法，其分解过程就是把被处理信号分解成多个IMF分量和一个趋势项的和，且局域波分解的基函数是根据被处理信号自适应产生，因此具有良好的信号局部表征能力。在详细分析局域波分解产生端点效应机理的基础上，提出了端点匹配特征波延拓抑制端点效应的方法，该方法在波形匹配过程中充分考虑了被处理信号端点处的数据特性，将载入数据的首末端点处的数据作为匹配基元，从而改变了端点处不受约束的状况，仿真测试结果表明有效抑制了端点效应。（3）按照局域波分解的完备性、能量守恒及虚假分量的性质，检验并去除虚假分量，抵消主导模态分量中的误差分量，针对局域波分解过程中虚假分量的产生机理，本文提出基于能量守恒及相关分析的抗虚假分量方法，利用相关分析判别信号的主导模态分量，结合能量守恒原理，给出了虚假分量属性判别依据及模态更新的原则；（4）根据模态混叠不同的产生机理，本文提出形态运算及移频变换抗模态混叠方法，形态运算是有效提取间断信号、脉冲干扰强有力的工具，因此提出基于形态运算抗异常事件引起的模态混叠方法，仿真结果表明形态运算对脉冲干扰，间断信号引起的模态混叠能起到理想的效果；移频变换有效解决了由于信号间相互作用导致模态混叠问题，通过多组数据处理发现当复合信号满足局域波分解的充分条件二时，充分条件一可放宽到120.95，利用本文提出的方法都能有效提取出与原组分匹配的IMF分量，圆满完成局域波的分解过程。（5）对实测的不同运行状态下滚动轴承的振动信号进行自适应形态滤波与局域波分解，在此基础上利用模糊聚类的方法，提取局域波相关特征尺度熵，进行极值归一化及标定处理，然后改造为等价模糊关系矩阵完成聚类分析。该方法简单实用，是滚动轴承故障诊断较为有效的方法。以上研究工作在一定程度上丰富和完善了形态滤波与局域波分解方法，诊断应用表明本文提出的方法能有效区分不同运行状态，解决实际问题。