脑电波(EEG)是诊断大脑疾病，检测大脑功能和分析大脑活动的一个重要工具。电子计算机的出现为EEG分析技术提供了一些新的有效手段，但是由于EEG信号强烈的非平稳、非线性特性，传统的信号分析方法处理起来十分困难，实现EEG研究的突破必须寻找新的方法。Hilbert-Huang变换(HHT)是一种全新的信号分析方法，它突破了Fourier分析的固有的时频分辨率局限，能定量计算出信号的时频关系，是一种更具适应性的时频局部化分析方法，已被应用于航天、地震、海洋等领域。 本文对HHT的理论关键问题——经验模态分解(EMD)的正交性与完备性问题进行了初步的探讨，并对EMD算法进行了改进，从信号自身的内在相似特性着手，提出了一种基于波形匹配的自适应端点延拓方法，该方法能够较为有效地抑制EMD分解过程中端点效应的产生。基于改进的算法，设计一个基于HHT的EEG分析系统，该系统能够得到EEG信号的各阶固有模态(IMF)，以及各个IMF的时频关系。对。HHT与傅立叶变换及小波变换的特性进行了对比，包括数学形式、时频分辨率、算法等，并利用真实的醉酒EEG数据对HHT和小波方法进行了对比研究。