针对传统基于单通道信号的轴承故障特征提取方法未考虑故障信号的时空覆盖范围差异，以及单个信号所承载信息的有限性，在强背景噪声及干扰下难以有效提取出早期的微弱故障特征问题，提出了基于自适应多通道卷积稀疏（adaptive multi-channel convolutional sparse，简称AMCCS）模型的早期微弱故障特征提取方法。首先，构建了通道字典和卷积字典，分别用于学习多通道信号中的通道信息和信号中的故障信息，以实现从多通道故障信号中自适应地学习共有的微弱故障特征信息以及通道权重信息；其次，开发了一种高效的迭代更新算法，用以处理通道字典和卷积字典的更新问题；最后，采用低信噪比的轴承故障仿真信号和实验信号对算法进行验证。结果表明，在低信噪比环境下，该方法在轴承故障特征提取方面表现出显著的优越性和鲁棒性。