由于数据采集环境和完成采集任务的仪器自身的原因，在试验数据中出现大量噪声，严重地影响了试验数据的处理和试验结果的分析。因而，信号去噪成为信号处理中必不可少的一部分，并且越来越多的研究从事其中。 经验模式分解(Empirical Mode Decomposition，EMD)是一种新的处理非线性非平稳信号的时频分析方法。其精华之处是可以把信号按频率从高到低分解为有限个本征模态函数(Intrinsic Mode Functions．IMF)。 本文首先对EMD方法作了详细的描述，给出了EMD详细的分解算法。并且基于EMD方法分解的特点，本文提出了两种新的信号去噪方法：energy方法和wavemd方法。在此基础上给出了这两种方法的具体算法，尤其是wavemd方法是基于EMD方法分解特点，并且在energy方法的基础上，又进一步进行了小波默认阈值去噪处理。 并且通过三个试验对小波默认阈值去噪、energy方法去噪和wavemd方法去噪进行了对比，在一些实验中，与传统的小波阈值去噪相比，新的去噪方法具有一定的优越性；有些则取得了相似的去噪效果。而其却不需要选择小波基，是一种自适应的去噪算法。