路面不平度激励是车辆振动系统的主要输入，研究路面不平度的统计特性对车辆振动系统特性的研究具有重要意义。本课题作为国家863项目——中国典型道路路面谱重构理论与方法及其仿真验证的主要研究内容之一，利用非平稳信号处理方法——HHT方法(Hilbert-Huang Transform，希尔伯特-黄变换)，研究影响实测路面功率谱密度的因素。　　 研究了路面不平度信号中趋势项的去除方法。利用经验模态分解(EmpiricalMode Decomposition，简称EMD)将信号分解为一系列固有模态函数，在此基础上，提出一种基于相关系数矩阵判断准则的经验模态分解去除趋势项的方法，并利用仿真信号和实测路面不平度信号验证该方法的实用性。　　 研究了路面不平度信号中噪声的去除方法。鉴于传统的小波阈值去噪方法中小波基函数和阈值函数等参数的选择具有不确定性，提出了一种基于经验模态分解小波阈值去噪方法。采用离散傅里叶逆变换方法生成路面不平度纯净信号，添加随机噪声，分别利用基于经验模态分解小波阈值方法和小波方法进行处理，结果显示基于固定门限准则(Sqtwolog)的经验模态分解小波硬阈值法去噪效果最为理想。同时，对路面不平度模拟信号和实测信号，采用不同的基函数来验证其对小波阈值和经验模态分解小波阈值去噪方法的影响，结果发现基于经验模态分解小波阈值去噪方法能够弱化小波变换中基函数对阈值去噪的影响。利用该方法对实测路面数据对进行去噪分析，结果表明该方法的去噪效果良好。　　 以实测路面数据为例，对比了四种不同功率谱估计方法，结果表明加窗平均周期图法能够兼顾方差和分辨率的要求。　　 编制相关程序，提取路面高程数据，采用基于经验模态分解的相关系数矩阵方法去趋势项，设计出有限脉冲响应滤波器，对数据进行滤波；采用基于经验模态分解小波硬阈值方法去噪，然后对预处理后的数据进行功率谱估计，从而实现了对原始数据进行处理的整个过程。