摘要:自适应最稀疏时频分析（adaptive and sparsest time-frequency analysis，ASTFA）是一种新的时频分析方法，该方法需要事先确定较为准确的初始值，缺乏自适应性.针对ASTFA存在的问题，提出了基于初值优化的ASTFA方法.该方法使用残余量的能量作为优化目标函数，使用不同的初始值对信号进行分解，当残余量的能量最小时，则认为该初始值为最优初始值.因此，该方法能够自适应地寻找最优的初始值，增加了ASTFA方法的自适应性.采用仿真信号将该方法与原ASTFA方法进行对比，结果表明该方法能自适应地得到更准确的分解结果.对仿真信号和滚动轴承故障数据进行分析，结果表明ASTFA在抑制端点效应和模态混淆、抗噪声性能、提高分量的准确性等方面要优于经验模态分解（empirical mode decomposition，EMD），并能有效应用于滚动轴承故障诊断.