为了解决滚动轴承故障诊断过程中由于环境噪声干扰所导致的故障分类准确性较低的问题，提出一种基于改进型完全自适应噪声集合经验模态分解（improved complete ensemble empirical mode decomposition with adaptive noise， 简称ICEEMDAN）与小波包阈值去噪相结合的多阶段处理的轴承故障诊断方法。首先，对滚动轴承的原始振动信号应用ICEEMDAN方法将其分解为不同分量；其次，基于分解结果构建相关系数-多尺度排列熵（multi-scale permutation entropy， 简称MPE）筛选准则以划分高噪、低噪分量；然后，利用小波包阈值抑制高噪分量中的背景噪声，并与低噪分量进行重构；最后，对重构信号实施包络解调，提取出蕴含关键故障信息的特征信号，并建立故障特征能量图，实现对轴承故障类型的识别。为了验证所提出方法的有效性，分别采用滚动轴承外圈故障仿真数据、凯斯西储大学深沟球轴承实验台的故障数据和某型航空发动机三支点轴承试验平台的试验数据开展试验验证。试验结果表明，所提方法能够在复杂工况下准确识别滚动轴承的故障模式，对滚动轴承的智能运维具有重要的理论意义和工程实用价值。