在复杂多变的工业现场，滚动轴承具有高事故率、故障高危险性。为有效保障生产效率和人员安全，对滚动轴承出现的故障进行高效、快捷、准确的识别和诊断就显得非常重要。然而滚动轴承因运行环境复杂而使得故障诊断中采集的振动信号被噪声湮没，给故障特征提取带来极大的不便，尤其在故障特征微弱或是故障发生早期。有效实现滚动轴承的故障振动信号消噪，并且研究分析适合于滚动轴承故障振动信号的消噪方法，对有效提高滚动轴承设备状态监测和故障诊断的精度和效率具有重要的意义。首先，对滚动轴承的正常轴承、内圈故障、外圈故障和滚珠故障的振动信号和噪声情况进行对比，分析轴承振动噪声的分布、能量特性。其次，提出了基于自相关和阈值的经验模态分解消噪方法。在分析经验模态分解方法的消噪性能后，采用噪声自相关特性识别噪声模态和并对其阈值处理，以实现信号重构消噪的方法，可以有效识别经验模态分解后各模态分量中噪声占主导的模态分量，和尽可能减少信号重构时有用成分损失。并用仿真信号验证本方法的消噪效果。再次，提出了基于自相关集成经验模态分解消噪和基于自适应的集成经验模态分解消噪方法。采用克服了模态混叠问题的集成经验模态分解方法，结合自相关分选和阈值处理，实现集成经验模态分解的消噪；在分析信号模态中噪声能量的特点，自适应生成阈值实现消噪处理，从而提出自适应的集成经验模态分解消噪。采用仿真信号验证了集成经验模态分解消噪的性能。最后，对滚动轴承内圈故障振动信号和外圈故障振动信号进行消噪分析，并与常用消噪方法作对比，本文所提新方法能有效识别轴承故障特征频率和工频，具有比常用方法更好的消噪效果。本文通过对滚动轴承故障振动信号和噪声分析，使用改进的经验模态分解消噪方法对滚动轴承故障振动信号进行有效消噪，为滚动轴承状态监测和故障诊断提供有效的信号预处理方法。