针对强背景噪声环境下齿轮箱故障特征信号往往被噪声淹没等问题,提出最小熵反褶积(Minimum entropydeconvolution,MED)和循环域解调的方法提取齿轮箱故障特征。通过仿真信号发现循环自相关函数解调在强背景噪声下不具有免疫性,为了剔除噪声的干扰,提取故障特征信息,先用 MED作为滤波器,以最大峭度值作为滤波的终止条件,通过仿真信号验证其强大的降噪功能,同时用提出的方法对强背景噪声下的齿轮箱多故障试验台振动信号进行降噪处理,对降噪后的信号进行循环自相关函数解调分析,成功提取出故障特征,验证此方法的可靠性。