燃气轮机作为目前大型设备动力装置之一，在航空航天、工业领域得到广泛的应用。由于燃气轮机的结构复杂，工作环境恶劣，其部件易发生各种故障，如气路部件的故障、旋转部件的磨损及断裂等都会对发动机的可靠、安全的工作带来隐患。因此，对发动机的工作状态监测与故障分析具有重要的意义。而涡轮叶片作为发动机的关键部件之一，其运行环境最为恶劣，长时间的高温高压环境对叶片的寿命有极大影响，且其正常工作与否直接影响整个发动机的稳定工作，因此，叶片的工作状态的监测与诊断是燃气轮机的故障诊断中主要研究方向之一。在故障诊断的整个过程中，对信号的处理与特征提取是分析故障的关键步骤和前提。而温度作为涡轮叶片工作状况的一种体现方式，可以通过对叶片温度的信号的分析来达到对其进行监测与故障诊断。本文主要对采集到的燃气轮机叶片温度进行处理与特征提取。通过对叶片材料、结构的研究，并结合采集到的叶片温度情况，实现对涡轮叶片的温度数据的准确分割，得到每个叶片数据。通过对短时傅里叶变换、小波变换及小波包变换、信息熵及谱熵的理论研究、分析，分别运用短时傅里叶变换、小波包特征熵的方法对叶片的温度进行频域特征分析。实验结果表明，短时傅里叶变换能够分析一定情况的叶片故障，但是，具有局限性；通过小波包特征熵建立了叶片的特征向量，能够反映出叶片的工作状况，但是，在工况不同时，叶片的特征向量会发生改变，特征向量对工况变化的情况具有局限性。根据小波分析时叶片信号的一些特点，提出了基于波形的特征提取，建立基于波形的特征向量，实验表明，此特征向量可以反映叶片在不同工况下叶片不变的特性，能够作为叶片状态监测与故障诊断的依据之一。最后，基于LabVIEW设计一个叶片温度分割与特征分析软件，其功能包括数据采集及读取、波形显示、小波变换、归一化处理与分析等。测试表明，该软件可以精确实现对叶片的精确分割及其小波包特征熵、波形特征的提取。