现如今,机械故障诊断技术伴随着工业的发展已成为一门新的学科,其关注的重点是如何准确、高效地提取出信号的故障特征,其中,最经常使用的特征提取方法便是信号处理和分析。现实中,采集到的振动信号常常存在干扰以及各个源信号间相互混合的情况,这严重影响着故障提取的准确性,而盲源分离方法则可以有效地解决这一问题。本文主要研究的内容便是盲源分离在机械尤其是滚动轴承故障特征提取上的应用。本文对盲源分离的基础理论进行了详细的分析,介绍了滚动轴承中一些典型的故障及其机理,并且给出了几种常见的时频分析方法。同时根据在应用盲源分离时滚动轴承中常存在干扰以及欠定问题,提出了解决方法,并应用于实际的滚动轴承诊断中。由于滚动轴承在工作时存在噪声的干扰,特征信号很有可能被湮没的情况,根据小波半软阈值消噪和盲源分离方法的优点,提出了在盲源分离之前和之后都进行小波半软阈值消噪的盲源分离方法。在仿真以及实验中,该方法成功地把噪声从源信号中去除,很好地分离出了源信号并提取到了信号的特征,验证了其在滚动轴承故障特征提取上的有效性。针对盲源分离的欠定问题即源信号数目多而观测信号数目少的情况,提出先利用变分模态分解(VMD)方法将观测信号升维,然后再对新观测信号进行盲源分离的方法。通过仿真对比了基于变分模态分解的欠定盲源分离方法与基于域均值分解(EMD)的欠定盲源分离方法,结果验证了基于变分模态分解方法的优越性。最后针对单通道的滚动轴承信号,运用该方法进行了处理,成功地提取出了滚动轴承的故障特征。