随着传统能源的枯竭和环境问题日益突出,低碳、清洁的可再生能源在全球能源战略中的地位逐渐提升。风能是目前最具有开发利用前景的一种可再生能源,其主要的利用形式为风力发电。风电塔筒将空中的风电机与地面连接,是风力发电机组的承重装置,直接影响风力发电机组的使用寿命。近年来,风力发电“倒塔”事故频发,使企业受到了严重的经济损失。而在实际应用中,风电塔筒的健康检查多以定期人工检查为主,并不能及时发现塔筒故障。因此,本文研究了正常使用中的风电塔筒的振动信号,并提取其振动特征,为后续的塔筒健康检查提供参考。本文围绕风电塔筒的振动信号,进行了以下的研究：(1)根据塔筒振动信号的非平稳性特点,研究了几种常用的时频分析方法,即短时傅里叶变换、Winger-Ville分布、小波变换,并分析了这几种时频分析法的局限性；(2)重点研究了经验模态分解(EMD)方法,EMD方法是一种新的时频分析方法,适于分析非线性、非平稳信号。它将信号中真实存在的不同尺度波动或趋势逐级分解出来,产生一系列具有不同尺度特征的固有模态函数,从而实现了信号的局域性分解。可通过对固有模态函数的研究,提取信号的振动特征；(3)针对风电塔筒振动信号在采集过程中夹杂的噪声信号,本文应用基于KPCA的信号消噪方法进行振动信号的去噪。该方法通过相空间重构理论,将一维的塔筒振动信号扩展为包含塔筒振动信号及噪声干扰成分的高维信号,然后利用核主成分分析方法,提取重构的高维信号中的主分量,从而消除塔筒振动信号中的干扰成分；(4)针对经验模态分解的端点效应问题,本文通过仿真分析具体说明了端点效应问题,并采用镜像延拓法对端点进行了处理,仿真分析表明该方法能有效地抑制EMD方法的端点效应,并将此方法应用于提取消噪的塔筒振动信号特征。本文研究了正常使用中的风电塔筒的振动信号,采用基于KPCA的信号消噪方法剔除了振动信号中的噪声干扰,用EMD方法对消噪的振动信号进行分解,最终提取了信号的振动特征,为后续的塔筒健康检查提供参考依据。