振动信号的处理方法很多，大致可分为2类：一类是传统方法，典型的有幅值域分析法、傅里叶变换和相关分析等。另一类是现代方法，典型的有Wigner-Ville分布、谱分析、小波分析、盲源分离、Hilbert-Huang变换和高阶统计量分析等。本文对振动信号处理方法做了总结与展望。 1

传统的振动信号处理方法中，幅值域分析法是时域分析中最常用的方法，能够直观地得出时域中的幅值、周期等各种特征。傅里叶变换和相关分析都是基于时域统计特性的分析方法，对平稳信号都有很好的处理效果，方法简单、适用性强。加窗后的短时傅里叶变换（STFT）更完善了傅里叶变换的功能。相关分析在振动信号特征定位方面具有优秀的能力。

因此，只要信号满足一定基本条件，传统的振动信号处理方法仍然是最基本的信号处理方法。但对于时变非平稳信号，这些分析方法都难以取得好的效果。 2

现代振动信号处理方法中的小波分析、Wigner-Ville分布、盲源分离、Hilbert-Huang变换和高阶统计量都对非平稳信号具有很好的分析效果，现代谱分析也克服了经典谱分析分辨率低的缺陷，能够得到更光滑、分辨率更高的频谱。

Wigner-Ville分布具有高分辨率、时频聚集性等优良的数学特性，是非平稳信号处理的一个重要工具，但由于双线性，仍存在交叉干扰项的影响需要进一步解决。

小波分析具有时频局部化能力，但由于窗函数的局限性，无法准确描述频率随时间的变化。而Hilbert-Huang变换突破了傅里叶变换的局限，是一种比小波分析更为有效的时频局部化方法，能够自适应地进行时频分解，准确地得到时间-频率图，但仍然存在诸多不足。

盲源分离直接根据观测信息来识别原始信号，是一种独特的分析方法，能够解决传统方法所不能解决的问题，但对于信号源未知或动态变化等情况的识别还存在一些困难。目前，高阶统计量已成为处理非高斯、非最小相位、非因果、非线性非平稳信号的主要手段。但对于阶次高于4的高阶统计量分析仍然存在很多困难。

3

传统振动信号处理方法的分析对象主要为平稳信号，已被广泛应用。现代振动信号处理方法能够处理更接近现实特征的振动信号，对非平稳、非线性振动信号能够得到较好的分析结果，但现代处理方法理论不够完善，现实条件无法充分满足，距广泛的实际工程应用与推广仍有一定的距离。

4

国内外研究人员对不同方法进行了若干改进与发展完善，取得了一些可喜的成绩。例如，细化FFT，EMD与相关分析相结合，分形与谐波小波相结合、HHT与神经网络相结合、HHT与支持向量机（SVM）相结合、盲源分离与HHT相结合等，都取得了很好的效果。但由于方法的理论和算法上仍存在不足，还有很多地方需要进一步研究和改善。

5

小波分析和Hilbert-Huang变换对振动信号都具有时频局域化分析能力和较好的自适应性。Wigner-Ville不会损失信号的幅值和相位信息，三者的结合将能够更

好地实现对非平稳信号的分析。

盲源分离和谐波小波包2种方法对微弱振动信号特征提取都有一定的效果，但是当存在强噪声时，盲源分离对信源分离效果不佳。而高阶统计量可以抑制高斯有色噪声，有时也可以抑制非高斯有色噪声，因此，可以把盲源分离方法、高阶统计量方法和小波分析结合起来应用于强噪声振动信号的分析中。

振动信号处理方法在很多领域一直是人们所关注的热点，随着现代科学技术的发展和控制技术、数值分析等方法的进步，新的振动信号处理方法也将不断涌现。以下将是一些值得关注的问题：

(1) Wigner-Ville分布（WVD）交叉项抑制方法的研究

由于WVD为双线性，对于多分量信号，WVD存在严重的交叉项干扰问题，直接影响信号的分析结果。国内外研究人员提出了一些抑制WVD交叉项的方法，但却存在削弱WVD数学特性的缺陷。目前，对于多分量信号或近频信号，WVD交叉项干扰问题一直没能得到很好的解决。如何更好地抑制WVD产生的交叉项也是人们值得研究的一个方向。

(2) 小波基础理论与方法的研究

目前，除一维小波理论的研究比较成熟外，高斯小波、向量小波的理论还远非人们所期待的那样，对于各类小波（二进小波、离散小波、向量小波、正交小波、双正交小波）的构造和性质的研究仍需进一步深入。

(3) 最优小波基选取方法的研究

现在国内外虽然已有一些最优小波基选取方法的研究，但缺乏系统规范的最佳小波基选取标准。由于不同的小波基不可能对所有情况都适应，所以希望对不同的问题能最优地选择不同的小波基以实现最好的应用效果。因此，如何针对实际应用的不同情况选取小波基，选取标准是什么，这些都是小波理论研究的重要内容。

(4) 对信号源个数未知且可能动态变化的盲源分离问题的研究

主要包括有效的信号源个数估计算法研究以及当观测信号数多于或少于实际信号源个数时的超定或欠定盲源分离问题的研究。由于盲源分离是在未知信号源的情况下仅靠观测信号来识别信号源，如果信号源个数未知甚至又动态变化时，就无法有效地确定混合矩阵和分离矩阵的大小，也就无法准确地进行信号源分离。因此，对信号源个数未知和动态变化的问题是盲源分离的研究重点。