传统信号处理中最常用的方法是傅里叶变换，但在实际中利用傅里叶变换处理非线性非平稳信号时，存在着众多难以克服的缺陷和不足。为了解决这些缺陷和不足，人们提出了很多适用于非平稳信号的处理方法，使得对非平稳信号的处理成为可能，但由于其理论基础依然是傅里叶变换，所以在应用中仍然不能完全摆脱傅里叶变换的那些缺点。经验模态分解(EMD)算法的出现使这种局面得以改善，其可以自适应的将复合信号分解为一系列本征模态分量和的形式，并且不依赖于任何先验知识，受传统信号处理方法的局限较小，是一种高效的非平稳信号时频分析方法。本文详细的介绍了EMD算法的基本理论及其在实际信号处理中的应用：首先介绍了经验模态分解算法的理论体系，研究了希尔伯特谱及边际谱的物理意义；在此基础上介绍了算法中存在的两种主要问题——端点效应和模态混叠，并在原有方法的基础上提出新的解决方法；最后，研究了EMD算法在信号去噪中的应用并进行信号仿真系统的设计。