航空发动机的结构极其复杂，且在高温和高速的恶劣环境下工作，较易发生各种故障。这不但对飞机的飞行安全造成影响，而且也增加了飞机的运营成本。为了保证发动机的可靠运行，提前找出发动机可能存在或即将发生的故障是很有必要的。而飞行数据提供了飞机运行的丰富信息，其中的气路参数数据与发动机息息相关。本文希望通过对气路参数数据的时频分析总结其特征，为后续的评估发动机健康状况和预测发动机寿命奠定基础。飞行数据由于飞机状态的不断变化，及外界环境的影响，呈现非线性、非平稳的特征。对这类信号的处理，Huang等人于1998年提出的希尔伯特-黄变换（HHT）分析方法具有良好的效果，被选作本文时频分析的手段。HHT主要包括两个方面：经验模式分解（EMD）与希尔伯特谱分析。其中EMD是将信号分解成有限个固有模态函数和一个趋势项，其结果的好坏对整个分析结果有重要影响。但EMD本身存在诸多问题，模态混叠就是其中之一。因此以Huang等人近几年提出的基于白噪声辅助分析的总体经验模式分解（EEMD）来替代EMD，而互补形式的EEMD（CEEMD）可以有效消除加入的白噪声，且提高了分解效率。本文先对数据进行了奇异值分解去噪与五点三次平滑处理。之后针对飞机不同飞行阶段的特点，给出了不同的分析过程。依赖希尔伯特谱对时间、频率和幅值的同时综合显示，可以有效定位飞行数据中的突变信息。并给出了构造Hankel矩阵、IMF矩阵和HHS矩阵进行奇异值分解对数据序列突变程度的评估。具体实现上，本文以Visual C++完成飞行数据预处理操作和HHT分析所需要的软件。飞行数据的预处理包括：航班划分、错误修正及去噪操作。HHT分析部分实现对序列的CEEMD，对CEEMD结果的希尔伯特谱求解，和对信号序列的重构与边际谱分析。另外采用Matlab实现对CEEMD结果的掩膜信号后处理方法。