在研究分析弹丸的相关特征时,采用在身管外壁粘贴电阻式应变传感器的方式来间接获得弹丸在身管内部的情况。但实际采集到的信号特征不明显,含有大量噪声,并且因为传感器的固有属性,无法直接获得理想的数据进行分析与处理,因此需要对采集到的阵列应变信号进行分析研究,不仅可以通过分析系统的相关硬件模块构成进行优化改进也可以对数据进行后续的处理与校正,从而获得弹丸的相关信息与特征,最终获得理想的精确数据。对此,本文将针对应变采集系统的构成进行误差与影响分析研究并且根据前述分析对测量出的数据进行处理与校正,主要内容如下:针对高g值应变采集系统,对其系统组成的各个模块进行简单的概述,之后从核心器件电阻式应变传感器与采集系统的各个模块出发,分析可能存在的误差与影响因素,并判断每一种影响因素对此测量系统的影响程度,之后对部分影响因素提出改进与处理方案。针对高g值应变采集系统采集非线性非平稳信号,根据前述分析进行以下处理。首先,针对该系统实际的实验场所环境恶劣,高温会影响传感器的数据测量,研究一种基于改进的天牛群优化的BP神经网络算法。该算法通过改进的天牛群优化算法对BP神经网络的参数进行优化,避免了BP神经网络容易陷入局部最优,通过仿真实验对比,该方法拥有更小的适应度,因此搜索能力更好,并且最终高精度校正应变值。其次,针对该系统其中会存在一定噪声,因此研究了一种改进的CEEMDAN算法。该方法首先对EMD类方法存在的缺陷进行改进,之后通过三种方法进行分析,筛选出所需要分量,从而确定筛选准则,因此可以快速准确的自适应处理阵列应变信号。通过仿真实验得知该方法优于传统方法,并且避免了一种方法进行分量筛选产生的误判,有效的提取到信号的有效成分。并且,因为微处理器的缘故,在实际分析数据的频谱特性时,会有能量泄露,因此利用频谱重心校正法可以更加精确的进行频谱分析。最后,本系统最终还需要通过传感器的位置信息与弹丸到达传感器的时间信息拟合出弹丸运动轨迹曲线,因此采用三种工程上常用的方法,最小二乘法,三次B样条插值法,三次埃尔米特插值法对仿真实验数据进行曲线拟合,并通过计算相关指标:残差范围、和方差、均方根误差等来评判拟合效果。针对实际测量得到的阵列应变数据,利用前述方法提取信号的有效成分并进行频谱校正与分析,之后通过获得信号的相同特征点,对离散数据进行曲线拟合,复现弹丸的运动参数。