本发明公开了一种基于短时傅里叶变换和稀疏层叠自动编码器的滚动轴承声音信号故障诊断方法，该方法首先使用智能手机采集滚动轴承故障声音信号，然后对声音信号进行短时傅里叶分析，得到语谱图矩阵，接着获取矩阵的模值并进行灰度归一化处理，再将归一化后的数据经选取后输入到深度学习网络进行特征的自动提取，最后将神经网络提取的特征输入Softmax分类器进行故障模式的识别。本发明提出了基于智能手机声音信号短时傅里叶变换(STFT)和层叠自动编码器(SAE)深度学习网络的滚动轴承故障诊断方法，试验结果分析表明，该方法能够准确地诊断出滚动轴承的故障模式。