时频分析方法能够有效地实现对时变非平稳信号的分析及特征提取,已经成为现代信号处理方法研究中的热点。基于EMD(Empirical Mode Decomposition)的时频分析是一种新型时频分析方法,能将复杂信号经EMD分解为有限个本征模函数(IMF),再对所得的IMF分量进行Hilbert变换,从而赋予瞬时频率合理的物理意义。首先,论文阐述了瞬时频率、本征模函数的基本概念,研究了EMD的分解原理与算法,分析了Hilbert/Huang时频谱(HHT谱)与边际谱的物理意义,并对EMD分解中应注意的问题进行了分析研究。其次,在分析EMD原理的基础上分析了影响EMD分解精度的原因,并对EMD算法进行了优化。对于采样频率过低的原因,利用内插值来增加信号采样频率的方法进行优化;针对EMD分解中存在的端点效应,给出利用数据序列延拓技术抑制端点效应的方法,分析了基于镜像延拓法、神经网络延拓法的算法实现以及存在的不足,在此基础上,提出了端点极值包络延拓方法,采用理论分析和仿真实验相结合验证上述方法在提高EMD分解精度、改善时频分析性能方面的有效性。再次,分析了EMD分解方法的自适应性、EMD时频谱的时频分辨率特性以及EMD的时间尺度滤波特性,并在EMD的时间尺度滤波特性的基础上,提出了基于相关度的EMD时间尺度滤波方法,并通过仿真试验验证了该方法的可行性及有效性。最后,将EMD时频分析方法应用于信号瞬态特征提取以及信号的趋势提取领域,验证了此时频分析方法的有效性以及反映信号局部时频特征的独特优点。