纵观故障诊断的发展历程，要想取得好的故障诊断结果，数据预处理与故障数据的分析是相当重要的，而要取得好的分析效果，所采用的方法也是很重要的。本论文基于近十年发展起来的小波变换理论，针对故障诊断中数据预处理、故障数据特征提取两方面，进行了小波理论在其中的应用研究，在实际应用中取得较好的效果。 首先对论文的选题以及相关背景进行了探讨，并对相关的小波基础理论进行了阐述。对于小波的应用性研究，针对实际应用，主要对其基函数选取及相关的应用算法进行了详细探讨，主要工作内容包括下面几个方面： 在论文中，首先对基函数的选取进行了详细的研究，通过对经典的小波函数选取方法的研究，并在对经典小波变换和提升框架的基础理论上，提出了利用提升框架并根据信号的局部特征自适应选取小波基，探讨了自适应框架的结构以及相应的小波基函数的计算。通过仿真计算，对于导弹故障数据具有较好的信号表示效果。 研究了小波理论在信号去噪方面的理论和算法，并针对故障信号的特殊性，提出了基于小波变换模极大值理论的尺度相关信号去噪方法，并提出了改进方法，将临近系数的信息也作为决策的依据，从而得到了既能保护信号的奇异性特征，又可以取得较好信噪比的新的信号去噪方法，并将其应用于实际系统，取得了很好的效果。 研究了基于小波的特征提取方法，提出了两种基于小波变换的特征提取方法：基于小波变换系数特征和基于小波包分解的能量特征，从而得到了故障信号的时域和频域特征。且针对导弹系统，由于射程的不同，对所获得的残差数据进行了相应的处理，使对残差数据处理所提取的特征量具有很好的可比性。提出了基于样本综合离散度和参数诊断置信度两种诊断参数选择的方法，从而为基于集成神经网络的故障诊断做好了准备。 将上述的研究应用于实际的导弹故障诊断系统中，并进行了故障诊断，结果表明：故障数据经过本文所提出的滤波方法进行处理后，极大程度的保留了故障的奇异特征，再经过新的特征提取方法可以获得很好的故障诊断结果，从而最终实现导弹系统的故障诊断，对于提高地空导弹故障诊断效率和加快导弹研制进程都具有极其重要的现实意义。