从机械设备上采集到的振动信号中包含着大量与设备运行状况相关的信息,如何有效地处理复杂的非平稳信号对于机械设备的健康管理有着重要的意义。在工程实际中,受机械设备自身复杂的结构及运行工况的影响,当故障发生时,缺陷信号往往表现出复杂的非平稳特性且受到噪声的影响。时频分析技术通过时域和频域两个方向上的联合分布来表征非平稳信号的时变特征,在许多领域已得到了广泛的应用。但由于机械设备故障信号的复杂性,传统的时频分析技术在机械设备故障诊断的应用上仍存在许多问题,如缺陷信号中的强调幅调频成分难以被有效表征的问题、故障冲击成分难以被有效提取的问题、弱故障特征成分受噪声影响大的问题以及临近的故障特征成分难以被有效分离的问题等。为了尽可能解决这几个典型问题,使时频分析技术在机械设备的故障诊断上得到更好的应用,本文以短时傅里叶变换和同步提取变换为基础,利用参数化和后处理以及瞬态假设的思想提出一系列改进的时频分析方法,并将它们应用于不同工况下的复杂故障信号的处理中。论文所做的主要工作包含以下五个方面:（1）为有效地表征机械设备故障信号中的线性调频成分,本文对同步压缩变换和重新分配方法的原理进行了研究,通过它们数学上存在的关系,提出了一种纵向同步压缩变换方法。利用重新分配方法生成的时频分布,对原始同步压缩变换中的频率估计算子在频率方向上即纵向上进行优化,使其能更准确的估计线性调频信号的瞬时频率。为进一步地提高纵向同步压缩变换的时频分辨率,同样通过纵向距离优化同步提取算子,纵向同步提取变换被提出以生成能量高度集中的时频分布,从中可以有效地表征缺陷信号中线性调频成分的时变规律。（2）为有效地处理与故障相关的强调幅调频信号,本文提出一种高阶同步提取变换方法。通过对信号的幅值和相位进行高阶泰勒展开,代入到原始的短时傅里叶变换当中。构造出一种高阶的频率估计算子,相比原始的频率估计算子,它能更准确地捕获强调幅调频信号的动态特征。同时,利用同步提取思想,保留时频分布中与信号特征最相关的成分而舍弃其他成分,高阶同步提取变换可以被构造出用以生成高时频分辨率的时频分布。此外,随着阶数的提高,该方法对强调幅调频成分的表征会更准确,但计算负担也会随之增加。引力波信号的特征提取和轴承外圈故障诊断实验可以验证所提方法在处理强调幅调频信号时的有效性。（3）为解决弱故障特征成分难以被有效表征且受噪声影响大的问题,本文引入参数化的思想提出一种高阶线性同步提取变换。在线性调频变换的基础上,先利用广义线性调频的思想构造出一系列时变的解调参数,在短时傅里叶变换的基础上引入这些时变的调制参数,从而得到一种参数自适应的线性调频变换,它能生成多分量信号的紧凑时频表示。同时,以参数自适应的线性调频变换的结果为基底,构造出高阶的频率估计算子,再利用同步提取思想得到高阶线性同步提取变换。该方法能准确地表征弱故障特征的时变规律,同时,有着不错的噪声鲁棒性。（4）为解决临近的故障特征分量难以被有效分离的问题,本文提出一种多尺度基础的同步提取变换。通过对线性调频变换中的相位核函数进行二阶的优化,在一个窗口长度内使窗口进行二次的旋转,从而在整个时频域上使窗函数更贴合变化的瞬时频率轨迹。最后通过保留与信号特征最相关的信息得到多尺度基础的同步提取变换,所提方法被用于太阳轮故障信号的仿真分析及工业现场的转子碰摩故障诊断中。结果表明所提方法能很好地表征临近的故障特征成分的动态特征,同时,适用于实测振动信号地处理中。（5）为解决瞬态的冲击故障特征难以被有效提取的问题,本文提出一种局部最大时间重分配同步提取变换用以准确地捕获瞬态的故障特征成分。故障造成的瞬态冲击往往发生在极短的时间内,因此具有很宽的频带,这意味着传统的时频分析方法中的时频模型无法很好地提取因轴承故障引起的瞬态冲击成分。本文在时间重排同步压缩变换的基础上,通过在时频域内搜索时频分布的局部最大值,构造出一种新的群延时估计算子,随后在时间方向上进行同步提取操作。得到能量集中的时频分布的同时,准确地捕获了瞬态冲击发生的时刻,为机械设备的故障诊断提供了一种更具物理意义的解释。