自适应带宽傅里叶分解（Adaptive Bandwidth Fourier Decomposition，ABFD）是一种基于带宽优化的非平稳信号分析方法。然而，以中心频率重叠度作为分解终止条件在实际应用中会分解出若干冗余的模式分量，造成分解效率降低，为后续分析增加负担。为此，提出高效带宽傅里叶分解（Efficient Bandwidth Fourier Decomposition, EBFD）的轴承故障诊断方法。该方法构建重加权峭度引导的快速停止准则，能够高效地确定最优分解模式数目，避免大量冗余分量的干扰。进一步地，根据重加权峭度指标定位出目标故障分量，实现轴承故障诊断。滚动轴承故障试验信号分析结果表明：所提出方法能够高效终止分解进程，得到所有潜在的模式分量，并准确定位出故障分量；由EBFD与ABFD提取故障分量的归一化频率能量比均为1.0，EBFD运行所需时间为3.3 s，分解速度相较于ABFD提高33.8 s；相较于其他信号分析方法，采用所提出方法能够更准确识别出轴承故障特征。