1.一种基于短时稀疏傅里叶变换的旋转机械瞬时转速估计方法，其特征在于，该方法包括以下步骤：步骤1：采集原始轴承的振动信号z(t)；

步骤2：定义短时傅里叶算法中的Hamming窗函数gT(t)；

步骤3：初始化相关参数：信号长度N、窗长winLen、重叠点数noverlap、采样频率f、稀疏度k；

步骤4：将原始轴承的振动信号z(t)和窗函数gT(t)转换为列向量，利用信号长度、窗长、重叠点数计算出窗滑动次数n；

步骤5：把转换为列向量的窗函数扩展为n列的矩阵w，并将窗函数选取的原始信号段表示为列，得到一个n×winLen的矩阵Fig，将矩阵Fig和w进行点乘，得到点乘结果；

步骤6：对点乘结果选定一个相邻频点最小间隔σ，通过滤波器的散列函数进行数量为B组的分筐操作，按一定概率进行频谱重排；

步骤7：进一步选取平坦窗函数G(n)加窗提取信号；

步骤8：加窗提取之后，做信号时域降采样，再进行B维傅里叶变换，由分筐后的B个频点恢复出加窗提取后信号的N个频点；

步骤9：使用哈希映射将恢复出的N个频点段映射至长度为B的降采样谱中，迭代L次定位循环，得到候选非零系数位置集合；若每一次定位循环中的候选非零系数位置在候选非零系数位置集合中出现次数大于L/2并且定位循环迭代次数达到了L次，则可获得k个大值频点系数位置坐标集合Ir；

步骤10：对于每个大值频点坐标集合Ir中的元素，计算频率信息，获取对应位置的傅里叶系数集合，循环至定位循环迭代次数L并对每一位置系数值取中值，得到信号的频域估计值 并将其转化为时频矩阵；

步骤11：对窗函数gT(t)选取的每一个信号段重复步骤6-步骤10，根据各段的时频矩阵输出瞬时频率频谱图，并根据瞬时频率与瞬时转速之间的转换关系得到转速曲线；

其中，步骤1通过加速度传感器采集轴承的振动信号z(t)；

步骤2中根据振动信号特征构造的短时稀疏傅里叶算法的表达式为：式中，t为时间，f为采样频率，z′i为截取信号段的稀疏傅里叶变换，gT(t)为时域窗函数；

步骤4中窗滑动的次数n的计算公式为：

n＝fix((N-noverlap)/(winLen-noverlap))；

步骤6中利用散列函数将傅里叶稀疏等间距地散列至B个相应筐中，散列函数表达式为：h(ε)＝εmod N/p

式中，ε为原始数据存储位置和它散列后的位置之间建立的对应关系，p为信号降采样因子，并且重排后的信号列定义为：Pi＝zσi+τ τ∈[0，N-1]

式中，σi+τ为原信号索引值，i为重排后的信号索引值，Pi表示重排后的信号；

步骤7中，使用高斯窗函数与矩形窗函数卷积得到使用的平坦窗函数，G(n)的公式为其中，N为数据长度，fc为截止频率，B为分筐的个数，M＝B log2N；

步骤8中对信号时域进行降采样的计算公式为：

上式中，N为信号zi的长度，B为能整除N的整数，yi为信号zi的B点降采样；

步骤10中利用参数为ω、σ的平坦窗函数G′进行内循环，对信号的频域 进行估计的过程表示为：式中，首先对信号z重排后进行滤波得到y，求得yi的傅里叶变换 表示傅里叶变换过程；将频谱 中d*k个大值频点坐标放入候选非零系数位置集合Ir中，其中，d表示大值频点坐标被重复提取了d次，以增加精度，由此可以得到d组重复的大值频点坐标；定义信号原始频域为 循环至定位循环迭代次数L并对每一候选非零系数位置系数值取中值得到最后频域的估计值 四个随机数σ，τ，b，d∈{1，2，...，N}，N为信号长度，P表示重排后的信号；ω为平坦窗函数G′的参数，hσ，b(i)为散列函数，Oσ，b(i)为偏移函数，将其分别带入F和G′函数的下标中进行计算，L＝O(log N)为定位循环次数。

2.根据权利要求1所述的基于短时稀疏傅里叶变换的旋转机械瞬时转速估计方法，其特征在于，所述信号长度nx＝1600、窗长winLen＝512、重叠点数noverlap＝64、采样频率f＝200、稀疏度k＝34。