1.一种基于谱相干的局部特征构建加权联合提升包络谱的方法，其特征在于，包括以下步骤：步骤1：计算实测信号的谱相干；

实测旋转机械振动信号x(tn),tn＝n/Fs,n＝0,1,…,N‑1的谱相关SC定义为：式中：K＝(2N+1)Fs，N为信号长度，Fs为信号的采样频率；α为循环频率；f为频谱频率；R(tn,τm)为x(tn)的瞬时自相关函数，tn＝n/Fs为采样时刻，τm为延迟因子；谱相干为谱相关的归一化版本，定义如下：选用合适的数值计算方法对信号的谱相干进行估计，得到γ(αn,fm)，αn为离散循环频率；fm为离散频谱频率；

步骤2：基于谱相干的局部特征识别候选故障频率；

首先，基于中值滤波对谱相干进行降噪处理：

+

式中：median(·)代表中值滤波；算子[·]将所有小于零的数置零；δ(n)＝[αn－kΔα,αn+kΔα]为以αn为中心的邻域，Δα为循环频率的分辨率，参数k取值5～50；

接着，对任意固定的频谱频率fm，定义：

式中：参数L决定了循环频率切片 的模的局部最大值的稀疏程度；对任意的循环频率为αn，定义频谱频率切片γ(αn,·)上的局部最大值的数量为η(n)，则有：式中：M为离散频谱频率的数量；G为离散循环频率的数量；αn为轴承故障相关频率时，则η(n)的值倾向于更大；为此，对η(n)按照大小进行排序，得到 如果则存在ki和ki+1使得Ω(ki)>Ω(ki+1)成立，其中 和 函数Ω(·)定义如下：

选取前D最大的 所对应的循环频率 作为候选故障频率，则有：通过合理设置参数D，确保候选故障频率中主要包含与轴承故障相关的频率成分；

步骤3：基于1/3‑二叉树的谱相干频谱频带分割，并利用识别的候选故障频率量化各频谱频率窄带的故障信息；

使用1/3‑二叉树结构滤波器组分割频谱频率，得到具有不同中心频率和带宽的频谱频l l+1率窄带；第l，l＝0,1,1.6,2,2.6,3,…层的第k，k＝1,…,2个窄带Bl,k＝[Fs·(k‑1)/2 ,l+1 l+1 l+1Fs·k/2 ]，中心频率fc＝Fs·(2k‑1)/2 ，带宽Bw＝Fs/2 ；基于窄带Bl,k计算窄带提升包络谱IESl,k(α)：接着，定义IESl,k(α)在CFFs处的能量与整个IESl,k(α)的能量比ERl,k作为诊断性指标：ERl,k量化了频谱频率窄带Bl,k所包含的与故障相关的二阶循环平稳特征信息；ERl,k越大，表明窄带Bl,k所包含的故障信息越多；

步骤4：构造加权联合提升包络谱WCIES，首先在每一分解层选取具有诊断信息的窄带提升包络谱IES构造联合提升包络谱CIES，再对CIES进行加权平均得到WCIES，具体如下：l

(1)在第l层上计算所有IESl,k(α),k＝1,…,2的诊断性指标的最大值ERl,max：l

ERl,max＝max{ERl,k,k＝1,...,2}                 (10)将SKl＝Rs·ERl,max，0

(2)在每一分解层数上，将所识别的有价值的IES进行平均，得到CIES：式中：H(l)为在第l层选择的IES的数量；示性函数I{ERl,k≥SKl}仅取值0或1，且仅在ERl,k≥SKl成立时取值为1；

(3)最后，对每一分解层的CIESl(α)进行加权求和，得到WCIES：式中：nlevel为最大分解层数；W(l)为第l层的权重函数，由CIESl(α)的诊断性指标ERl决定：

2.根据权利要求1所述的一种基于谱相干的局部特征构建加权联合提升包络谱的方法，其特征在于，所述步骤1中对信号的谱相干进行估计的算法为Fast SC算法。

3.根据权利要求1所述的一种基于谱相干的局部特征构建加权联合提升包络谱的方法，其特征在于，所述步骤2中参数k取值不超过N/10。

4.根据权利要求1所述的一种基于谱相干的局部特征构建加权联合提升包络谱的方法，其特征在于，所述步骤2中参数L取值为3～10。

5.根据权利要求1所述的一种基于谱相干的局部特征构建加权联合提升包络谱的方法，其特征在于，所述步骤3中将参数D设置如下：D＝p·αmax                               (14)式中：αmax为最大的循环频率；p为比例参数，在[0.01,0.1]内取值。

6.根据权利要求1所述的一种基于谱相干的局部特征构建加权联合提升包络谱的方法，其特征在于，所述步骤4中参数Rs取值为0.5。