形态非抽样小波（morphological undecimated wavelet， 简称MUDW）已广泛应用于旋转机械的故障诊断，但该方法中形态学算子（morphological operator，简称MO）的选择、结构元素（structure element，简称SE）的设置以及分解层数等关键参数的设定，仍高度依赖先验知识，导致该方法的自适应能力较差。为此，提出一种新型经验形态非抽样小波（empirical MUDW，简称EMUDW）方法，用于滚动轴承故障诊断。首先，通过分析已有MO的几何特征和频响特征，选择滤波性能更优的算子；其次，引入波形趋势（waveform trend，简称WT）消除随机冲击对方法造成的干扰；然后，针对SE和分解层数的设置，提出一种新的自适应选择策略，利用信号的冲击间隔来确定SE的尺度大小，并基于基尼系数（Gini index，简称GI）的差值判定是否停止分解；最后，通过仿真和实验对所提方法的有效性和可靠性进行验证。结果表明：EMUDW具备优异的抗噪性，且可有效降低随机冲击干扰；与其他滤波方法相比，所提方法可更好保留信号细节，同时具备更高的计算效率。