1.基于同步压缩连续小波变换的非周期信号降噪与重构方法，其特征在于，用于对齿轮箱故障诊断，包括以下步骤：S1，通过经验模态分解将齿轮箱原始非周期信号分解为多个IMF分量，所述齿轮箱原始非周期信号为齿轮箱工作过程中的振动原始非周期信号；

S2，通过自适应小波阈值函数对IMF分量进行去噪，去噪后的IMF分量叠加组成修正信号；

S3，对修正信号进行连续小波变换，得到修正信号的相位信息并对其求偏导，得到修正信号的瞬时频率；

基于步骤S1、S2，并通过同步压缩变换在时间-频率域对瞬时频率进行压缩重排操作，构建EMD-AWT-WSST模型，完成齿轮箱原始非周期信号的瞬时转频获取；

包括以下具体步骤：

S301，对于一个给定的修正信号，在连续小波下的连续小波变换，其在频域上的表达式为：，

式中，

为修正信号在母小波下的连续小波变换；

为刻度变量；为时间变量；

为原始非周期信号的傅里叶变换；为母小波经过平移和伸缩变换得到的子小波；

为频率变量；为连续小波的傅里叶变换；

e为虚数单位；为频域中的相位信息；π为圆周率；d为定积分的微分符号；

S302，单频信号的连续小波变换定义为：，

单频信号的瞬时频率c定义为：，

对于单频信号，其相位变换定义为：，

本步骤的公式中，

为单频信号；A为常数；e为虚数单位；为频域中的相位信息；π为圆周率；c为单频信号的瞬时频率，为常数，且c＞0；

为单频信号 的连续小波变换；

为刻度变量；为时间变量；d为定积分的微分符号；

为单频信号的傅里叶变换；为频率变量；

为连续小波的傅里叶变换；

为小波与瞬时频率c在刻度变量u下的匹配度；为单频信号的其相位变换；

S303，在时频面上，用表示同步压缩连续小波变换，得到WSST公式为：，

WSST通过逆变换进行信号重构，得到重构信号：，

本步骤的公式中，

为同步压缩连续小波变换；为u属于正实数集；

为单频信号的连续小波变换系数；δ为狄拉克函数；为刻度变量；为时间变量；

为单频信号的其相位变换；为频率变量；d为定积分的微分符号；为重构信号；Re为取实部运算；

为尺度因子，且；为瞬时频率；为频率带宽阈值，且；

S4，通过EMD-AWT-WSST模型得到齿轮箱原始非周期信号的时频图，提取时频脊线数据；采用分段三次样条插值算法修正提取的时频脊线数据；采用正弦函数对修正后的时频脊线数据进行拟合，提取完整的转速脊线；对齿轮箱原始非周期信号进行角度域重采样，得到重采样后的稳态信号。

2.根据权利要求1所述的基于同步压缩连续小波变换的非周期信号降噪与重构方法，其特征在于，步骤S1中，IMF分量包括有效分量和无效分量，通过皮尔逊相关系数和方差贡献率剔除IMF无效分量；

皮尔逊相关系数公式如下：

，

方差贡献率公式如下：

，

上述公式中，

为皮尔逊相关系数；为方差贡献率；

为IMF分量的序号；为数据点的个数；M为IMF分量的总数量；

为原始非周期信号；为原始非周期信号的均值；

为第i个IMF分量；为第i个IMF分量的均值。

3.根据权利要求1所述的基于同步压缩连续小波变换的非周期信号降噪与重构方法，其特征在于，步骤S2中，自适应小波阈值函数表达式如下：，

其中，为自适应阈值参数，表达式为：，

上述公式中，

为自适应小波阈值函数，即第l层中的第j个估计小波系数；

为阶跃函数；为小波变换后的系数；

k为调节参数；e为虚数单位；

为自适应阈值参数；为噪声的标准方差；为信号长度；为分解尺度。

4.根据权利要求3所述的基于同步压缩连续小波变换的非周期信号降噪与重构方法，其特征在于，通过采样信噪比和均方根误差作为自适应小波阈值函数去噪的评价指标，表达式如下：，

，

式中，

SNR(dB)为采样信噪比；RMSE为均方根误差；

为信号的总功率；为噪声的总功率；

为原始非周期信号的第a个样本；为去噪后的信号样本；

为信号样本的索引；为信号样本数量。