在板材的制造工业中，轧辊偏心已逐渐成为影响板材厚度精度的主要因素，这就要求对轧辊偏心进行补偿控制来提高轧件的厚度精度。偏心信号是不易被识别的微弱高频周期信号，传统傅里叶变换法在轧辊偏心信号的提取中存在参数失真以及噪声干扰得不到有效抑制的缺陷。针对上述问题，本课题尝试了基于不同信号处理方法的偏心信号提取研究。　　小波分析在处理信号的局部时频特性中有显著优势，而且也得到广泛应用。本课题提出的小波改进算法可对信号进行分频带处理，能够准确提取并重构偏心信号，还可以有效的去除噪声。基于多分辨分析和小波包分析的改进算法都能够在信噪比低和频率相近的情况下准确的提取偏心信号的频率及谐波个数，而且偏心信号各参数的准确率较高。　　经验模态分解方法是一种新的数据分析方法，具有高识别性、自适应性等优点。聚合经验模态分解方法作为经验模态分解的改进方法，实质上是将轧制力信号分解为多个不同特征模态函数，从中提取表征偏心信号的特征模态函数，并用此重构偏心信号。此方法强调信号的局部瞬时特性，也避免了小波变换中基函数的选择难题。　　频谱校正理论在信号识别与重构中的应用也非常有效，其中的比值校正法结合汉宁窗后在信号的参数校正问题上应用性极好，估计得到的信号参数与信号真实参数值极为接近。另外，复解析细化谱分析方法是频谱校正理论中针对密集型信号处理的方法之一，此方法不仅能够将信号的频谱细化放大使得观察更加清晰，而且在细化的同时避免了时频变换过程中容易出现的频谱混叠现象，使得处理后的信号的频谱特性真实有效。　　板材的厚度控制是通过厚度控制系统来实现的，针对传统的自动厚度控制系统在偏心补偿控制中的不足，设计了有偏心补偿环节的厚度控制系统。偏心补偿环节的核心就是利用小波分析、经验模态分解方法和频谱校正方信号辨识与补偿控制对轧制力进行处理，最终重构偏心模型并投入到此系统中控制轧件厚度。　　最后通过仿真及实验验证，控制结果表明，利用本课题的信号处理方法重构得到的轧辊偏心模型精度高，可以很大程度减小厚度波动，偏心补偿控制效果明显。