非平稳信号的分析和处理作为现代信号处理学科的重要内容,一直是理论科学和工程实践研究的热点。以短时傅里叶变换和小波分析为代表的相关处理方法虽然不同程度的对非平稳信号的时变性给出了恰当的描述,但它们都是以傅里叶变换为最终的理论依据,使用它们分析非平稳信号容易产生虚假信号和假频等现象。为了避免这个问题,对非平稳信号最直接的分析和处理方法是使用具有局域性质的基本量,如瞬时频率。Hilbert-Huang变换(HHT)则是以瞬时频率作为基础的一种全新的非平稳信号分析方法,它可以有效的分析并提取信号在整个时域内的局部化特征,已经广泛应用在生物医学、机械故障诊断学、海洋工程等众多领域。本文在对现有的主要时频分析方法及其各自的针对性和局限性做出深入分析的基础上,重点研究基于HHT的非平稳信号时频分析以及特征提取方法,所做的工作如下:①研究了HHT算法的基本理论,包括瞬时频率、本征模态函数、经验模态分解(EMD)算法以及Hilbert谱分析等。其中对于EMD算法,详细介绍了该算法的分解原理及分解步骤,并给出了算法的完备性和正交性分析。深入分析了HHT目前存在的主要问题,包括模态混叠问题和端点效应问题,并详细给出了目前针对这两个问题的相应改进措施。②在对Hilbert时频图分析的基础上,提出了一种基于直方图统计特征的非平稳信号特征提取方法。首先从基于HHT的信号时频域表达出发,分析了模态混叠和端点效应问题对时频表达的影响,通过仿真实验将HHT与传统时频分析方法进行了比较研究,最后给出了基于时频图像的直方图统计特征提取方法。③在对Hilbert边际谱分析的基础上,给出了一种联合谱能量和谱熵的非平稳信号特征提取方法。首先介绍了信号的边际谱表示,然后通过实验仿真分析了边际谱与传统傅里叶幅值谱在信号表达上的区别,最后介绍了基于边际谱的信号特征提取方法,分别给出了谱能量和谱熵两种特征量,并作了详细分析。④将两种特征提取方法应用于癫痫脑电信号检测中。分别对脑电信号进行时频图分析和边际谱分析,提取了脑电信号具有显著意义的特征向量,最后结合支持向量机技术对相应特征进行分类验证,实验结果表明两种特征提取方法在脑电信号的分类中均能取得有效的分类准确率。