应急通信是在出现人为或自然的突发性紧急事件,正常通信设备受损的情况下,保障紧急救援、救助和必要通信所需的通信手段和方法。应急通信监控系统的作用是实时地监控系统的状态,检测系统故障信息,保障应急通信系统的正常运行。但在应急通信系统中,由于设备众多、网络规模庞大,这对故障信息采集的海量数据给带宽有限的通信网络带来了压力,同时复杂多样的数据指标也影响故障诊断的效率。因此,如何在不降低故障诊断效率情况下,对采集到的数据进行相关处理,以达到减少信息量,减轻网络负荷,降低对通信资源的占用,是监控系统亟待解决的问题。本文以应急通信系统为背景,结合分层分布式多域监控体系结构,研究数据预处理相关技术,所取得的成果包括以下三个方面:(1)结合分层分布式多域监控体系结构特点,在研究各种数据预处理方法基础上,提出了分层分布式多域数据预处理系统模型。在该模型下,将所有节点划分为多个域,从而主控节点的负荷小,系统响应时间迅速,可扩展性良好。在此基础上实现了数据规约与数据集成。(2)为了向故障诊断端传输针对性更强的数据,本文提出了基于故障诊断端信号反馈的属性选择机制,建立了属性选择所需的规则库。这种机制有效减少了指标数目,降低带宽占有,也为诊断效率的提高作了准备工作。(3)针对数据指标间的信息重叠、数据冗余问题,本文深入探讨了主成分分析法的原理、特点和流程,将主成分分析法应用于应急通信监控系统中。通过模型训练形成特征子空间,将实时待监测数据投影至特征子空间,得到简约数据。为了全面客观地进行模型训练,实现了多域多数据库的集成。在上述研究成果基础上,搭建了系统仿真平台,对属性选择方法和主成分分析法进行验证,实验结果表明,对采集到的数据指标进行属性选择和主成分分析,能够消除指标间的冗余信息,减少信息总量。