滚动轴承故障振动信号的成分复杂多样，且受噪声和传递路径的影响，导致从中提取表征故障的周期性冲击成分难度很大。对此，利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN)良好的非平稳非线性数据处理能力，首先将原始轴承振动信号中的各种成分予以分离，在此基础上，提出相关系数跳变准则(Correlation Coefficient Jump Criterion，CCJC)区别以故障周期性冲击成分为主的分量，以及以噪声和转频成分为主的分量，并通过二次分解二次重构的方式，最大限度去除噪声与转频相关成分，最终得到提纯的滚动轴承故障周期性冲击信号。通过对滚动轴承故障仿真信号和基准数据的分析，表明所提方法可以准确高效提取轴承故障周期性冲击成分；对滚动轴承实验振动信号进行分析，并与经典方法对比，验证所提方法的优势及其良好的工程应用前景。