旋转机械是一类被广泛应用在电力、化工、冶金等行业的机械设备，因旋转机械造成的恶性事故会给国家和企业造成极大的损失，因此对旋转机械的运行实施有效的监测和诊断非常必要，其中旋转机械故障特征提取是旋转机械故障诊断的核心之一。 本文在总结传统特征提取技术前提下，指出今后故障特征分析的一个重要研究方向将是研究多输入多输出系统，并且在可能的情况下恢复源信号，再单独对感兴趣的信号进行分析。盲源分离技术的出现和发展，使这一问题的解决成为可能。目前，将盲源分离技术应用于机械振动信号的研究还较少，本文在此方面做了一些基础性的、探讨性的研究。 针对机械振动信号的特点，本文采用基于二阶统计量的盲源分离算法，它比基于信息论的独立分量分析法的优越性体现在不必估计较复杂的源信号概率密度函数且计算量少。通过分离PI指标的比较，可以看到改进后的加入稳健正交化的二阶统计量的盲源分离算法在低信噪比时具有最优的性能，本文采用此种算法进行仿真实验，并对实际振动数据进行了分析。 仿真结果证明，在满足盲源分离条件的情况下，改进后的二阶统计量确实能够较好的实现源信号的分离，在此基础上，采用滤波加自相关的方法也实现了在源信号数大于传感器信号数情况下的盲源分离。 文章最后对偏心转子振动实验台和齿轮箱振动实验台的数据进行了分析，提取出了一些特征信号，为将盲源分离技术应用于旋转机械故障特征提取奠定了一定基础。