针对滚动轴承故障冲击成分易淹没在强噪声中这一问题，提出了一种自适应噪声完备集合经验模态分解(complete　ensemble　empirical　mode　decomposition　with　adaptive　noise,　CEEMDAN)和粒子群优化的多点最优最小熵解卷积(partical　swarm　optimized　multipoint　optimal　minimum　entropy　deconvolution　adjusted,　PSO-MOMEDA)相结合的故障诊断方法。由于MOMEDA的重要影响参数故障周期搜索范围T和滤波器长度L依赖人为经验选择，采用粒子群优化算法对这两个参数进行寻优。首先，采用CEEMDAN分解信号，依据峭度-相关系数准则筛选最优分量；其次，使用PSO对MOMEDA进行参数寻优，对最优分量使用MOMEDA进行滤波处理；最后，对滤波后的信号做包络谱分析，提取故障特征信息。通过仿真信号和实验信号分析表明，与单独使用CEEMDAN算法，将MOMEDA方法替换成MCKD方法相比较，该方法能够有效增强噪声中的故障冲击成分，准确提取轴承故障特征频率，准确诊断轴承故障。