经验小波变换是一种基于Fourier 频谱特性，通过构建自适应小波滤波器组来分析复杂多分量信号的方法。该方法能够有效识别信号中的不同模态分量，但由于其Fourier 频谱分割问题，在处理噪声及不稳定信号方面有所欠缺。针对这一问题，采用改进的经验小波变换方法，将信号分解为具有物理意义的经验模态。改进的经验小波变换主要考虑被处理信号的频谱形状，通过采用基于顺序统计滤波器（OSF）的包络方法以及遵循三个准则来获取有效峰值的方法，改进Fourier 频谱分割过程。将改进的方法应用于滚动轴承故障诊断中，由于改进的经验小波变换能够将振动信号分解为一系列单分量成分，因此在轴承振动信号包络谱中能够清晰的发现故障特征。通过对滚动轴承振动模拟信号和实验信号的分析验证了该方法的有效性。
