经验模态分解法(Empirical mode deposition, EMD)是一种全新的信号处理方法,由美籍华裔博士Norden E. Huang于1998年提出的,在非线性、非平稳信号的处理方面,有独特的优势,被认为是信号处理领域的划时代变革。EMD是将复杂信号分解成一系列的包含原始信号局部特征的本征模函数,再经过一定的变换,得到有物理意义的频率,它能够使非平稳信号平稳化处理。虽然EMD已经在实际工程中得到了比较广泛的应用,但是仍然存在着一些问题。本文以这些存在的问题为基础,对经验模态分解法进行了深入的理论研究,并给出了它在实际工程中的一些应用。本文所做的主要工作有：(1)对经验模态分解法的原理和性质,瞬时频率、本征模函数等概念进行了深入的研究,详细论述了算法的分解过程、Hilbert谱和边际谱的物理意义,指出分解过程中存在的问题和当今国内外研究的热点。(2)将一维EMD推广到二维领域,研究了二维EMD理论。分析了二维EMD的分解步骤,对实现过程中的两项关键技术——极值点的获取和包络曲面的拟合——进行了深入的研究,对于极值点的选取,通过仿真结果比较了像素点8邻域法和形态学重构法的优势和不足,对于包络曲面的拟合,重点讨论了三角剖分插值和基于径向基函数插值两种方法的优缺点,最后指出二维EMD存在的问题。(3)将EMD应用到信号去噪方面。首先对于一维EMD,在Matlab7.0平台上,实现了对加入高斯白噪声的调制信号的去噪。其次,将二维EMD应用到指纹图像的预处理之中,由分解后的趋势信息重构图像,可以实现图像信息的去噪,将二维EMD与指纹识别技术相结合,拓宽了它的应用领域。