针对传统方法在复杂工况下特征表征能力不足、长短期时序依赖关系建模困难等问题，提出了一种基于多尺度时频融合与复合注意力机制(Multi-scale Time-Frequency Fusion and Compound Attention Mechanism，MTFCA)的航空发动机剩余使用寿命预测方法。该方法首先通过快速傅里叶变换将时域传感器信号转换为频域表征，提取幅值谱与相位谱特征并与原始时域信号进行融合，构建多维综合特征表示。随后引入高效通道注意力模块对不同特征通道进行自适应权重分配，强化关键退化特征。多尺度残差时间感知单元采用扩张因果卷积结构实现多尺度时序特征捕捉。改进的多头注意力模块引入相对位置编码机制，精确建模序列中的长短期依赖关系。在C-MAPSS基准数据集上的验证实验表明，所提方法在四个子数据集上均取得了优异的预测性能，与14个先进预测模型相比，平均RMSE和Score分别降低了13.50%和24.87%。研究结果表明，该方法能够有效捕获航空发动机退化过程中的多维度特征变化，为复杂工况下的设备健康管理提供了新的技术途径。