本文利用HHT方法良好的时频分辨能力和它对信号的精确刻画能力，将其分别应用于汉字字体识别、语音信号基音周期的提取、信号的周期性分析和睡眠脑电图梭形波自动检测中，都获得了成功的应用。为这些应用问题提供了新的解决手段和方法，也为拓展HHT的新的应用领域提供了有益的探索。 　　本文提出了基于EMD的汉字字体识别新方法，通过对大量汉字字体的研究比较，选取了能反应汉字字体基本特征的5种基本笔画。以这5种汉字笔画为模板，在汉字文档图像块中随机地抽取笔画信息，以形成笔画特征序列。通过对这5个笔画特征序列作EMD分解，提取每一个笔画特征序列的高频能量，并结合这5个笔画特征序列作EMD分解以后的余量的均值，形成字体识别的10维特征向量；提出了一种新的具有高精度、高鲁棒性和自适应的基于事件的基音周期检测方法；提出了一种基于HHT的信号周期性分析方法，通过分析信号的非线性对主频分布的影响，找到了具有丰富高频含量的近似周期信号的主频与其周期性的近似对应关系。将其应用于自然纹理图像的分析，能很好地提取纹理图像的周期特征，为纹理分类、分割、识别和图像检索提供了新的解决途径；提出了一种基于Hilbert-Huang变换的睡眠脑电图梭形波自动检测方法。该方法不仅具有明显高的检测精度，而且还本质地具有良好的抗干扰能力。