伴随着科学技术以及现代化工业的发展,设备结构日趋复杂,系统的非线性更强,系统故障导致的外部特征更为复杂,基于线性分析的诊断技术一般难以解决大型、复杂设备的诊断问题。因此,非线性、非平稳性信号的分析与处理成为故障诊断中的一个关键问题。人们往往通过对信号特征的深入分析,得到信号源或者系统特性、运行情况以及故障信息,信号分析是获取信号源或信号传递系统特征信息的重要手段。因此可以说信号分析是故障诊断的基础。本文就结合传统的信号处理方法以及最新的基于非平稳性的信号处理方法,来分析故障信号,从而解决实际问题。本文研究了故障诊断中的信号分析方法,主要的研究内容可以概括为以下几个方面：首先是古典方法。重点讨论了Fourier分析和模式识别方法,给出了常规诊断中的一些定性、定量指标。其次是Wigner分布。重点研究了Wigner分布的特点和基本思想方法,并结合此方法讨论了时频分布的相应结果。最后基于Wigner分布的非线性和交项干扰,结合仿真分析与实验分析,讨论了Wigner分布在转子系统碰摩故障中的应用,证明了Wigner分布对非平稳信号的有效性及其对噪声的不敏感性。最后是小波分析。重点研究了小波理论的性质极其特征,给出了连续小波变换和二进离散小波变换,以及小波变换在工程上的理解。并基于小波包变换的优良时一频特性,以及更高的分辨率,给出了瞬态信号阈值去噪的方法。通过和一般的小波阈值去噪方法相比较表明,本文的方法提高了重构信号的信噪比,而且很容易得到信号的波至点。通过理论分析和实验结果,证明了该方法的可行性,并且简单有效。