为了实现电机轴承故障的准确诊断，必须提取更加准确有效的故障特征。针对上述问题，提出基于小波包分解（WPD）和希尔伯特黄变换（HHT）的故障特征提取方法，并用神经网络进行诊断验证。小波包分解对信号突变检测优于HHT，HHT在低频检测部分比小波包分解更加有优势。结合两种算法的优点，采用小波包分解提取高频段能量特征。并利用HHT对小波包重构的低频信号进一步分析得到低频段能量特征。仿真结果表明，上述算法能够准确诊断出故障类型，提高了轴承故障诊断的准确率。通过与常见的倒频谱分析、WVD方法对比，验证了所提算法的有效性和优越性。