作为重要的测量元件,电流互感器是电力系统中各种计量仪表和继保设备的数据源头。因此为了保证电流互感器准确且稳定的测量,需要定期对其进行校验。电流互感器在线校验可以真实地反映其实际运行情况,且避免了停电等影响电力系统正常运行的缺陷。但为了保证校验过程中不断电,需要使用开口式电流互感器对运行中的互感器进行校验,而开口式电流互感器由于存在开口气隙并且受实际使用条件限制,其输出精度受到一定的影响,难以满足校验需求。本文针对提出的问题,首先介绍了开口式电流互感器的工作原理,应用Allan方差法详细分析了其输出信号中噪声的组成,并针对其输出信号特点选择了相应的数字积分器。在上述基础上,考虑到电力系统频率波动和噪声等问题,根据有色噪声序列的特点,在固定噪声统计特性的扩展卡尔曼滤波算法的基础上,提出了一种基于有色噪声的扩展卡尔曼滤波方法,并通过一个符合电力系统运行情况的仿真算例验证了该方法的有效性。针对实际应用中噪声统计特性可能时变这一问题,提出了基于神经网络修正卡尔曼滤波的开口式电流互感器信号处理方法,利用神经网络良好的自适应性来修正上述有色噪声扩展卡尔曼滤波的结果。在随机噪声环境下进行仿真实验,结果表明在噪声统计特性发生变化时,该方法仍能保持较好的滤波性能,有较强的自适应性。根据上述理论,在LabVIEW和MATLAB中编写基于神经网络修正的开口式电流互感器信号处理算法,并利用标准电流互感器、开口式电流互感器、数据采集卡和可调幅调频电压源等设备搭建实验平台,进行实验验证。实验结果表明,该方法能够有效的提高开口式电流互感器输出信号的精度。