为辨析矿用滚动轴承运行状态，有效地提取矿用滚动轴承故障特征，提出了一种基于粒子群优化算法（Particle Swarm Optimization, PSO）的参数自适应优化最大相关峭度解卷积算法（Maximum Correlated Kurtosis Deconvolution, MCKD）与自相关谱峭度图法（Autogram）相结合的矿用滚动轴承故障特征提取算法．首先，在考虑振动信号的强周期性的基础上，采用MCKD对原始信号进行预处理以实现信号的降噪与增强；同时，针对MCKD参数选择问题，构造利用PSO对适应度函数进行寻优得到合适的参数组合[滤波长度L，解卷积周期T]；此后，利用Autogram对处理后信号进行特征提取；最后，通过仿真信号及公开数据集试验信号对该算法进行验证．结果表明：PSO-MCKD-Autogram算法能够较好地克服噪声影响，可有效提取矿用滚动轴承故障特征且具有一定的鲁棒性．