伞齿轮减速机信号时频分析。我们对信号作时频分析时，一般对快变的信号，我们希望伞齿轮减速机有好的时间分辨率以观察其快变部分(如尖脉冲等)，即观察的时间宽要小，受时宽－带宽积的影响，这样，对该信号频域的分辨率必定要下降。由于快K系列减速机变信号对应的是高频信号，因此对这一类信号，我们希望有好的时间分辨率，但同时就要降低伞齿轮减速机高频的分辨率。反之，对渐变信号，由于它对应的是低频信号，所以我们希望在低频处有好的频率分辨率，但不可避免的要降低时域的分辨率。因此，我们希望K系列减速机所采取的时频分析算法能自动适应这一要求。显然，由于 STFT的t? ，υ? 不随?，t 变化而变化，因而K系列减速机不具备这一自动调节能力。我们在后面要讨论的小波变换则具备这一能力。现有一仿真扫频信号，伞齿轮减速机产生的波形时域图以及 STFT 图如图 4.27 ～图 4.30 所示，仿真信号采样频率设定为 5120Hz ，分析频率 2000H 。
结合理论可知， STFT 图将伞齿轮减速机信号 f(t) 映射到一个时频平面 (τ ， ω) 上。其中起限频作用。随着 τ的变化，起时限作用的窗函数 g(t) 所确定的时间窗就在 t 轴上滑移，对信号进行分段截取，将其化为若干段局部平稳信号，对它们分别取傅立叶变换后得到一组信号的“局部”频谱，从不同时刻的“局部”频谱的差异上，可看到K系列减速机信号的时变特征。但其不足之处为：
(1) 窗函数 g(t) 所确定的K系列减速机时频窗口具有相同的时宽和频宽，这不符合实际中高频信号的时域分辨率应比低频信号高的要求，即变换窗口大小应随频率而变，伞齿轮减速机频率越高，窗口应越小。要提高频域分辨率就得增加时窗长度，同时造成时域分辨率下降；
(2) 伞齿轮减速机时窗越长，信号的“局部”平稳性越难于保证。在齿轮故障诊断中，由于振动信号的不平稳性，时频分析得到越来越广泛的重视。时频分析着重于研究信号能量在某一特定时间和频率处的分布。K系列减速机短时傅里叶变换 (STFT)是经典的时频分析方法，通过比较时频平面上信号的能量分布分析存在故障。然而，STFT 只简单选择伞齿轮减速机低通窗函数，而未考虑信号特点，故时频分辨能力较差。小波变换也是有效的时频分析方法。前者给出了信号的线性表示，而后者是信号的非线性表示。
伞齿轮减速机信号处理已经成为当代科学技术工作的重要部分。信号处理的目的就是：准确的分析、诊断、编码压缩和量化、K系列减速机快速传递或存储、精确地重构(或恢复)。从数学角度来看，信号与影像处理可以统一看作是信号处理(影像可以看作是二维信号)，在伞齿轮减速机小波分析地许多分析的许多应用中，都可以归结为K系列减速机信号处理问题。现在，对于性质是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非平稳的，而特别适用于非平稳信号的工具就是小波分析。http://www.vemte.com/Products/k97jiansuji.html