风机叶片旋转产生气动噪声,其特征参数与叶片的表面裂纹大小分布、表面平整度等损伤存在必然的关系。但是实测的风机叶片气动噪声不可避免地受到周围环境噪声的干扰,如何在强背景噪声下提取气动噪声,是利用音频信号实现监测风机叶片损伤的前提。由于环境噪声相对于气动噪声属于低频噪声且二者频带部分重合,针对待测信号的这一特性提出一种基于改进EMD和CMSE的风机叶片音频信号去噪方法,先将信号经验模态分解(empirical mode decomposition,EMD)为若干个表征不同频率的本征模态函数(intrinsic mode function,IMF),然后利用改进的连续均方误差(consecutive mean square error,CMSE)准则筛选出有用信号占主导的本征模态函数,重构得到去噪后的信号。在信噪比极小的情况下,CMSE准则失效,需要在EMD分解时对IMF分量辅以循环随机排列-重构-累加-平均算法,提高信号的信噪比。为了验证所提方法的有效性,分别以一种传统的EMD去噪方法(EMD+相对熵去噪方法)和所提出的改进EMD和CMSE的去噪方法对实测的风机叶片音频信号进行去噪。实验结果表明,该方法可以有效地去除噪声,优于传统的去噪方法,不受主观参数的影响。创新性地将循环随机排列-重构-累加-平均算法应用到所提出的去噪方法中,保证了该方法可以广泛适用于不同信噪比信号的去噪中,具有自适应的优点。