针对强噪声导致卷积盲源分离故障源信号估计精度较低的问题，提出一种结合最小均方算法（least mean square， 简称LMS）滤波和卷积盲分离（robust multichannel blind deconvolution， 简称RobustMBD） 的滚动轴承复合故障诊断方法。首先，利用LMS滤波对含噪的轴承故障信号进行去噪预处理，降低噪声对故障信号的影响；其次，通过构建时滞关联模型将卷积混合模型转换为瞬时混合模型，并以归一化峭度为分离判据，采用精确线搜索替代迭代搜索，得到卷积盲分离方法鲁棒多通道盲解卷积；然后，对降噪后的复合故障信号采用鲁棒多通道盲解卷积进行盲源分离，得到轴承的独立故障信号；最后，通过仿真和滚动轴承试验数据对提出的滚动轴承复合故障诊断方法进行了验证。结果表明，与传统鲁棒多通道盲解卷积相比，在强噪声情况下，提出的方法能够有效分离出所有的故障信号。