发动机的信号处理方法研究现状，时频分析技术，都取得了重大进步

汽车发动机振动噪声信号是典型的周期性非稳态信号，具有频率成分复杂且分布频段 范围广的特征。随着现代处理器运算能力的提升与先进信号处理技术的发展，时频分析及术被越来越广泛地应用于发动机的振动噪声信号特征分析中。目前发动机振动噪声分析领 域比较常用的时频技术有短时傅里叶变换（Short Time Fourier Transform，STFT）。

傅里叶变换是最常见的振动噪声信号频谱分析方法，它通过信号在整个时间长度内的 信息来计算单个频率的频谱，因此傅里叶变换是一种全局性的信号信息内容的表达，不能 反映信号局部的信息，1946年，Gabor[88]在傅里叶变换的基础上提出了加窗的傅里叶变换， 即短时傅里叶变换，其本质是采用固定长度的窗函数对信号进行分段傅里叶变换。

短时傅里叶变换通过引入随时间轴移动的窗函数，使得分析信号的局部时频特征成为可能， Vulli使用短时傅里叶变换来区分一台三缸汽油发动机振动信号中的正常燃烧激励和其 他激励源，包括气门冲击、喷油器脉冲和异常燃烧。Chen[90]利用短时傅里叶变换识别发动机振动信号中来自气门座、气缸盖和气缸体等不同激励源的振动分量。

1984 年，Grossmann 和 Morlet[91]首次提出了小波变换的概念，小波变换是一种窗口可 变的局部时频特征分析工具，其在低频具有较高的频率分辨率而在高频具有较高的时间分辨率，1988 年比利时数学家 Daubechies[92]构造了紧支撑的离散正交小波，使离散小波变换 （Discrete Wavelet Transform，DWT）成为可能。1989 年 Mallat[93]提出了小波的多分辨分 析，亦被称为多尺度分析，使得小波变换走向了实用。Beylkin 等提出了类似快速傅里叶变换的快速小波变换（Fast Wavelet Transform，FWT），将小波变换的运算复杂度大大的降低。

Bi 等人使用连续小波变换分析汽油机噪声信号独立分量分析结果中各个分量的 时频特征，通过结合时频结果与不同噪声源的频谱将独立分量与汽油机的排气噪声、燃烧 噪声和活塞敲击噪声互相对应，Wu 等人提出了一种结合离散小波变换和神经网络的方 法来进行发动机故障诊断技术的研究。Vernekar 等人采集了健康以及模拟故障的发动机齿轮振动信号，利用传统振动频谱分析和连续小波变换成功检测并区分出了故障齿轮。

广大车主们是怎么看待的呢