信号处理方法是机械设备故障诊断中的重要环节，尤其是对于非平稳信号的分析方法的研究一直是国内外研究的焦点。希尔伯特一黄变换(HHT)是一种重要的时频信号分析方法，适用于非平稳、非线性信号分析，已被广泛地应用到各个领域，并取得了一定的效果。 本文着重分析了HHT方法中的经验模态分解(EMD)算法中存在的模态混叠(Mode Mixing)问题，从理论上推导出发生模态混叠的参数条件，并且用MATLAB软件通过仿真实例验证了理论结果的正确性。 然后文章寻求解决模态混叠的方法，首先提出采用小波包变换作预处理的方法，即在进行EMD分解之前，利用小波包变换将待分析信号划分成为各个不同的窄带信号，然后再对各个窄带信号进行：EMD分解和Hilbert变换。通过仿真实验，验证了这一方法对于解决模态混叠问题的有效性，但是也发现了此种方法的弊端：此种预处理属于主观干预手段，破坏了原HHT方法的自适应性的特点。所以，需要寻求一种完全自适应的方法解决模态混叠问题。 本章引入了集合经验模态分解方法(EEMD)解决模态混叠问题，其主要过程是：在进行EMD分解之前，将白噪声添加到待分析信号之中，利用白噪声的统计特性，填充于信号的各个不用尺度之中，最后求其平均。此方法是完全自适应性的分析方法，理想地解决了模态混叠问题。文章还详细分析了EEMD算法中两个重要参数——所加白噪声的幅值和EEMD过程中的分解次数——对分解结果的影响，通过分析发现，若要实现所加白噪声幅值的完全相消，需要消耗大量的计算时间。据此，文章提出了一种改进的EEMD算法：将相适于待分析信号的频带范围的噪声作为EEMD算法中的添加噪声，取代原算法中的白噪声。此方法不仅解决了模态混叠问题，而且有效地节省了计算时间，还可以避免高频噪声对信号分析的干扰。 此外，本论文最后通过设置内圈典型故障，采集滚动轴承的振动信号进行分析比较EMD算法，EEMD算法和改进的EEMD算法，实验验证了以上的理论分析。