耿 宏，郗厚山

(中国民航大学 电子信息与自动化学院，天津 300300)

0 引 言

大型民航客机的飞行数据在飞行事故分析、视情维修、异常检测、飞行品质监控等方面起到重要作用[1,2]。由于飞行环境、飞机自身运动状态的复杂性及机载设备的电磁干扰等因素的影响，实际记录的飞行数据存在干扰噪声。因此，对飞行数据的有效去噪是其后续分析和各领域应用的重要前提。

传统的飞行数据滤波方法如低通滤波、卡尔曼滤波[3]、滑动多项式回归模型等，由于飞行数据具有非线性、非平稳的特征，处理后的数据在瞬变信号处容易产生局部震荡，去噪效果不佳。基于小波变换的飞行数据滤波目前已被较广泛应用[4,5]。文献[4]采取平稳小波去噪的方式滤除燃油流量、发动机N1等飞行参数的野值和噪声。基于小波变换的飞行数据滤波可以取得较好的去噪效果。但是需要依据经验或者进行大量的实验以选取恰当的小波基、分解层数，无自适应性。

自适应完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise，CEEMDAN)是一种基于数据自身时间尺度特征，将信号分解为固有模态函数(intrinsic mode function，IMF)的方法[6-8]。散布熵(dispersion entropy，DE)[9]可以用来分析时间序列的复杂性，它为判断各IMF分量的噪声含量提供了依据。故提出一种基于CEEMDAN和DE的飞行数据滤波方法，其具有自适应的优点，无需数据的众多先验知识。经该方法去噪后的飞行数据平滑性和相似性较好，满足实际应用的需求。

1 算法原理

1.1 CEEMDAN分解

CEEMDAN算法的基础是经验模态分解(empirical mode decomposition，EMD)，但它弥补了EMD算法具有模态混叠的不足，且完备性较好[10]。……