Norden E.Huang等人于1998年创造性的提出了经验模态分解方法（EmpiricalMode Decomposition，EMD）。经验模态分解是一种新型的时频分析方法，特别适用于非线性、非平稳信号的处理和分析，被认为了200多年来以傅里叶变换为基础的线性平稳频谱分析的一个重大突破。经验模态分解通过特殊的“筛分”方法对信号进行分解。该方法基于时频分析，可以在不需要知道任何先验知识的情况下，根据要处理信号的自身特点，自适应的将信号分解成若干个本征模函数（Intrinsic Mode Function,IMF）之和的形式，从而将信号中真实存在的不同尺度波动或趋势逐级分解开来。经验模态分解将信号分解成有限个频率由高到低的本征模分量。我们可以有目的的选取一些分量重构信号，得到信号在某一频率范围内的表示，达到滤波的效果。利用经验模态分解去噪的方法就是找出一系列本征模分量重的有用信号主导分量和噪声主导分量的分解点，选取有用信号主导分量进行重构信号。本文对传统的经验模态分解去噪进行了改进，对确定的噪声主导分量进行fft滤波或小波滤波处理，得到其中包含的有用信号的一些频率成分，然后再和有用信号主导分量一起进行重构，这样可以得到更好的去噪效果。最后本文将改进后的经验模态分解去噪用于圆度误差评定中。利用威而信公司圆度仪采集工件表面轮廓的圆度数据，利用文中方法进行滤波去噪处理，而后用最小二乘法计算圆度数值。为了验证该方法的有效性，和传统的基于高斯滤波的圆度评定方法作比较。对几组不同工件的圆度数据，在不同的滤波档位下进行滤波去噪，然后通过最小二乘分别计算圆度数值。对比结果发现，该方法可以用于圆度误差评定中。由于种种原因，本文还有一些可改进的地方。由于经验模态分解是该方法的基础，而经验模态分解依然有很多问题出在，这就影响到去噪的效果。再者，在精密仪器测量中还有直线度、平面度、圆柱度等种类，因为时间问题，本文没有进行分析。