随着混沌行为在各领域越来越多的被人们所发现，对混沌时间序列的降噪成为20世纪以来人们研究的热点。由于混沌信号在时频域上都具有极强的“伪随机”和“宽频”特性，故传统的基于功率谱分析的线性降噪方法不再适用于处理此类信号。本文通过分析相空间重构的非线性降噪算法，提出此类降噪算法的统一框架：一维含噪时间序列相空间重构成高维含噪轨迹矩阵，高维含噪轨迹矩阵经主流形识别和主流形重构得到较纯净的高维轨迹矩阵，再将其一维反求得到降噪后的一维时间序列。本文所做的主要工作如下：(1)提出相空间重构的降噪算法的统一框架，其中主流形识别采用线性降维或非线性降维算法，主流形重构使用局部多项式拟合来完成。并且证明了基于主分量分析的降噪算法符合该算法统一框架。(2)从相空间重构的降噪算法框架中看出，改进此类降噪算法的关键在于对主流形识别算法的改进。本文详细研究了主分量分析和多维尺度变换等线性降维算法，及在该算法基础上发展得到的局部切空间排序算法。(3)提出了基于主分量分析的全局奇异值分解降噪算法在进行相空间重构时最佳嵌入维数和最佳延迟时间的选取准则。本课题受到国家自然科学基金“基于图像处理的非平稳信号分形特征提取及应用”(编号51105284)资助。