轴承音频信号包含其运行状态的重要信息，通过分析这些信息就能对轴承故障进行有效诊断。率先引入基于连续高斯混合密度隐马尔可夫模型的轴承故障音频诊断方法，避免矢量量化带来的数据处理误差，提高了系统诊断精度；引入基于聚类算法的模型参数初始化方法和标定系数的前向-后向算法，简化系统复杂度，加快了训练和诊断速度，进一步提高了诊断精度。实验结果表明，诊断精度达到98.75%，具有很好的应用前景。