脉冲星是一类具有强磁场并快速自转的中子星。脉冲星最显著的特性是具有非常稳定的信号辐射周期,这一特性使永冲星在导航、电波传播学、天体物理以及其他领域展现出非常大的应用潜力。由于星际间物质的干扰和超长的传播距离以及接收的物理设备性能等因索的影响,接收到的脉冲信号中含有比较强的噪声。但是导航精度与脉冲星信号的信噪比成正比,因此在低信噪比下,对脉冲星信号进行消噪,得到较高信噪比的信号,是脉冲星观测及其他实际应用的前提和基础。本课题的内容就是研究脉冲星的消噪算法。脉冲星信号消噪常用的方法有傅里叶变换法,小波分析法和经验模态分解法等。由于傅里叶变换法仅适合于平稳信号,脉冲星信号是非平稳信号,因此该方法并不适用于脉冲星信号。而小波分析法存在着小波基和最优分解层数比较难选择的缺点。因此本论文在对脉冲星信号消噪时选择了不需要预先确定基底和分解层数,根据信身特性,自适应的确定基底和最优分解层数的经验模态分解(empirical mode decomposition,EMD)算法。在此之上,本文提出了一种基于窗函数的经验模态分解方法。该方法针对EMD分解过程中固有模态函数(intrinsic mode function,IMF)上有用信号与噪声的混叠现象,对重构信噪比的影响,首先通过自相关和互相关计算,判断信号的起点模态函数(IMF);其次通过局部峰度检验方法,判断重构起点附近IMF中有用信号的位罝及信噪分界点,利用Turkey-Hanning窗保留有用信号,抑制噪声:最后利用自适应阈值方法,实现信号和噪声的分离,改善重构信号质量。仿真和实验结果表明,与自适应阈值法和窗函数法相比,本文消噪方法可以更有效地滤除脉冲信号中的噪声,同时更好地保留信号突变处的细节信息特征,具有更高的消噪性能。