针对长定子直线同步电机（long-stator linear synchronous motor，简称LSLSM）定子绕组匝间短路（stator winding inter-turn short circuit，简称ITSC）故障在强噪声与复杂工况下特征微弱，传统电机电流特性分析方法难以实现早期精准检测的问题，提出了一种基于迭代自适应多重同步压缩变换（iterative adaptive multiple synchronous compression of transform，简称IAMST）的时频分析方法，通过最优路径搜索与时频脊线压缩提升故障特征能量聚集性，实现LSLSM定子绕组故障的可靠识别。首先，建立常导高速磁浮机-电-磁耦合模型，揭示ITSC故障下d轴电流残差信号以二次谐波为主导的故障特征机理，并分析其对车辆牵引性能的影响；其次，提出IAMST算法，采用改进型Viterbi算法结合动态指数平滑预测，实现强噪声环境下瞬时频率（instantaneous frequency，简称IF）的精准初始化；然后，通过迭代压缩细化机制，将时频能量聚焦于真实IF脊线，克服传统方法的交叉干扰与噪声敏感性问题；最后，基于硬件在环（hardware-in-the-loop，简称HIL）平台开展故障注入实验。结果表明，IAMST方法为非平稳信号时频分析提供了一种抗噪性强、特征分辨率高的解决方案，为磁浮列车LSLSM定子绕组早期故障检测提供了可靠的技术支撑。