混沌现象的普遍存在性使得混沌时间序列特征识别成为研究热点。本文在探讨混沌时间序列多特征识别方法的基础上，研究一定噪声背景下，混沌序列的特征提取方法及其在多变量相空间重构中的应用。包括：　　1)混沌时间序列的多特征识别方法。综合现有的相空间重构、最大Lyapunov指数计算等方法，从定性和定量、时间和空间等多个方面描述混沌序列特征，并将结果应用于刀具声发射信号磨损检测中，主要通过对刀具切削不同阶段的声发射信号计算其混沌特性参数，分析演化趋势，建立一种刀具磨损状态的多特征混沌监测方法。结果表明，声发射信号具有混沌特性，而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联，从而为刀具磨损状态的在线监测和预测提供了新思路。　　2)利用高阶累积量对噪声的鲁棒性，提出将三阶累积量引入到分形维数的计算，即基于三阶累积量的局部本征维数(HC3LID)算法。针对多元变量混沌序列，建立一种含噪声情况下的多元变量相空间自动重构方法。首先根据不同切片的HC3LID计算时间序列的分形维数，采用评价函数对计算结果进行分析，选取最优切片，然后由时间序列的线性相关性和非线性相关性，确定序列的嵌入延迟窗，进而重构多元变量相空间。对典型混沌序列加噪，进行重构的仿真结果表明，本文方法对含噪声混沌序列的嵌入维数计算具有较好的鲁棒性，重构的多元变量奇异吸引子轨迹在相空间中得到良好扩展，较好地反映了多元变量混沌序列的相空间特性。