对于锂离子电池这样的内部电化学反应无法通过常用的传感器技术测量及其有着极易受到外界环境变化影响的系统,如何能够准确的评估和预测其性能的变化,来更好地利用锂离子电池,避免不必要的故障和损失,具有重要的理论意义和现实意义。根据锂电池的上述特点和实际测量的锂电池数据,本文采用基于数据驱动的方法对锂电池的数据处理进行研究。本文主要工作有：1.采用时间序列分析方法去处理锂电池数据,先构建自回归求和移动平均模型,该模型由过去的观测值和误差项组合而成,利用该模型适应于线性系统预测的特点,再将其应用到锂电池的数据处理中。2.将人工神经网络的方法应用于非线性系统的数据处理,构建前馈型神经网络模型,将人工神经网络适用于非线性系统预测的优势与时间序列分析在线性系统预测的优势结合起来,建立了新的混合算法,构建新的混合模型,将其应用到锂电池的实际数据处理中,并比较这几种方法的算法精确度和计算复杂度。3.引入当前研究较为热门的基于统计学习理论和机器学习的高斯过程,作为一种无参数概率的数据驱动模型,其常用于分类和回归问题。将高斯过程应用到锂电池的数据处理中,通过选定合适的协方差函数以及协方差函数中的超参数,来对锂离子电池的未来行为和剩余使用寿命进行预测。结果表明通过数据处理的方法对锂电池的性能进行研究是可行的,这些工作都对为以后的电池健康管理研究提供了重要的依据和参考。