在齿轮噪源存在的变转速滚动轴承故障诊断过程中，因混合信号中转频分量相对较小，使得基于时频表达的阶比跟踪技术受到限制。虽然基于故障特征频率的角域重采样能提取轴承的故障特征，但这种算法不能确定故障位置，而且可能会出现误判。针对这一问题，提出了基于角域自回归（auto regressive，简称AR）模型滤波的处理方法。该方法利用线调频小波路径追踪算法从降采样处理的混合信号中提取齿轮瞬时啮合频率趋势线并估计转速，根据估计转速信息对原混合信号进行等角度重采样，获得了角域信号。利用角域信号中齿轮啮合振动成分具有周期性的特点，使用AR模型对其滤波，并且对滤波后信号进行包络阶比分析，完成故障判断。通过处理仿真信号和实验信号，验证了该方法不仅能有效地去除齿轮噪声，并且可以判断轴承故障位置。

变转速工作模式使得本来就互相干扰、彼此联系的滚动轴承复合故障特征的提取更加困难。为此提出了基于迭代广义解调算法的变转速滚动轴承复合故障特征提取方法。该方法根据复合故障轴承信号包络时频谱中代表故障特征频率的时频曲线的突出性，结合迭代广义解调算法可以将特定时频曲线转换成平行于时间轴的直线这一特点，直接对滚动轴承振动信号中的特定成分进行分析和提取。整个算法由以下四部分组成：对同步测取的故障轴承转速脉冲信号进行处理得到转频曲线，根据转频曲线以及目标轴承的故障特征系数确定迭代广义解调算法需要的相位函数；其次，对故障轴承信号进行包络分析获取包络信号；根据计算的相位函数对故障轴承包络信号进行迭代广义解调；对解调信号进行频谱分析，通过分析频谱中独立峰的位置对滚动轴承的健康状...