同步提取变换(Synchroextracting Transform，SET)处理强干扰信号分量时缺乏自适应性而易发生频率模糊，导致难以精确提取快速波动的瞬时频率。针对此问题，结合自适应调频模式分解(Adaptive Chirp Mode Decomposition，ACMD)的自适应先验信息和贪婪算法的优势，将ACMD引入到SET 中，构造一种两级ACMD-SET故障诊断方法。在提出的方法中，将基于基尼指数(Gini Index，GI)最大化准则的分量选择重组算法和第一级ACMD结合，提取出强干扰下的多模态故障脉冲信号的模式。然后，利用SET对第二级ACMD分离出的时变频率故障特征进行高精度的时频表示。将此方法应用到仿真调频-调幅信号中，得到高分辨率的故障特征，方法的有效性得到验证。最后，将所提方法应用于航空发动机高速滚动轴承的振动信号分析中，结果表明，所提方法能有效地提取高速滚动轴承振动信号的时变故障特征频率，其结果明显优于SET方法。