Para los fallos mecánicos compuestos, es de gran importancia emplear la señal de vibración de un fallo compuesto de un solo canal para analizar y realizar la separación de múltiples fuentes de fallo, lo cual es esencialmente el problema de la separación ciega de fuentes de un solo canal. El aprendizaje de diccionarios de descomposición en valores singulares K-means invariante a desplazamientos (K-SVD invariante a desplazamientos) es adecuado para extraer las características de fallo periódicas y repetidas de un fallo en maquinaria rotativa, por lo que en este artículo se propone un método de análisis de fallo compuesto de un solo canal que combina K-SVD invariante a desplazamientos con un algoritmo mejorado de análisis de componentes independientes rápido (FastICA mejorado). En primer lugar, basado en la señal de fallo compuesto de un solo canal, se puede utilizar el algoritmo K-SVD invariante a desplazamientos para aprender múltiples componentes latentes que pueden ser construidos como una señal virtual de múltiples canales. Luego, se utiliza el algoritmo FastICA mejorado para realizar la separación de múltiples señales de fuentes de fallo. En lo que respecta al algoritmo FastICA, se adopta el método de iteración de Newton de convergencia de tercer orden para mejorar la velocidad de convergencia. Además, para abordar el problema de que FastICA es muy sensible a la inicialización, se puede aplicar un método de descenso más pronunciado. El análisis experimental del fallo compuesto de un rodamiento de bolas verifica que el método presentado es efectivo para separar múltiples señales de fuentes de fallo y que el algoritmo FastICA mejorado puede aumentar la tasa de convergencia y superar el problema de sensibilidad a la inicialización.