多尺度排列熵(Multiscale Permutation Entropy，MPE)是一种有效的衡量时间序列复杂性的非线性动力学指标，但其只能反映时间序列的时域信息，而频域信息却被忽略。为此，基于二维排列熵(Two-dimensional Permutation Entropy，PE2D)，提出基于时间序列时频域复杂性量度的二维时频排列熵(Two-dimensional Time-frequency Permutation Entropy，TFPE2D)方法。为反映振动信号在不同尺度下的复杂程度、避免传统多尺度粗粒化导致信息丢失的缺陷，进一步提出复合多尺度二维时频排列熵(Composite Multi-scale Two-dimensional Time-frequency Permutation Entropy，CMTFPE2D)，并采用仿真信号验证CMTFPE2D的有效性。同时，将CMTFPE2D与萤火虫优化支持向量机(Firefly Algorithmsupport Vector Machine，FA-SVM)相结合应用于滚动轴承故障诊断，并采用实测数据进行分析，结果表明：所提故障特征提取与诊断方法能够有效识别滚动轴承不同故障程度和故障位置，且识别精度更高。