刘 敏， 陈 健， 张 岩， 陈玉昆， 范红波， 张英堂

（1.中国人民解放军96901 部队 北京，100085）

（2.陆军工程大学石家庄校区七系 石家庄，050003）

引 言

发动机缸盖振动信号中含有丰富的故障信息，对其进行分析处理是实现发动机故障诊断的有效手段［1］。时频分析可根据信号的二维时频谱分布情况全面揭示非平稳混合信号中不同频率分量的时变特性，从而准确获取信号中的特征信息。传统的时频分析方法包括短时傅里叶变换、Gabor 变换、连续小波变换（continuous wavelet transform，简称CWT）、S 变换（S-transform，简称ST）、广义S 变换（generalized S-transform，简称GST）等，在信号时频分析中取得了良好的应用效果［2-4］。但是由于上述各方法所得时频谱中的各频带的能量分布在中心频率附近的较宽范围内，使得频带能量发散和泄露，导致频谱模糊、频带混叠和时频分辨率较低［5］。

同 步 压 缩 小 波 变 换［5］（synchrosqueezed wave transform，简称SSWT）利用同步压缩算法将小波变换后各频带中心频率附近一定区间内的能量压缩聚集到中心频率处，从而提高信号的时频分辨率。SSWT 在信号分解与降噪、故障特征提取中应用效果较好［6-7］。与小变换相比，S 变换具有更高的自适应性和时频分辨率，文献［8］提出了同步压缩 S 变换（synchronized S-transform，简称SST），一定程度上解决了SSWT 自适应性差和对高频低振幅信号分辨率低的问题，在地震信号、轴承振动信号的时频分析中应用效果良好［9-10］。

局部二值模式（local binary pattern，简称LBP）和等价局部二值模式（uniform LBP，简称ULBP）根据图像邻域中心与邻域像素灰度值的差异进行二进制编码，从而刻画图像的局部纹理特征，在图像识别和分类中得到了广泛应用［11］。……