传统分析和处理非平稳信号的方法主要有：短时Fourier变换、Wigner-Ville分布和小波变换等等。但是这三种方法本质上都是以Fourier变换为基础的，因此具有Fourier分析的缺点，不能从根本上摆脱Fourier分析的局限性。Hilbert-Huang Transform是一种新的非平稳信号处理技术，它是由N.E.Huang于1998年提出的。该方法由经验模式分解与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个内在模式函数，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来表征原信号的频率含量，而不是Fourier谱分析中的全局频率和能量，避免了Fourier变换中需要使用许多虚假谐波表达非线性、非平稳信号的不足。本文在以下几个方面展开研究：第一，本文深入研究了Hilbert-Huang变换的基本实现原理，并通过仿真验证了此方法的有效性和正确性。HHT能把信号分解成具有一定物理意义的一系列IMF分量，进而通过Hilbert变换求得各IMF分量的瞬时频率和瞬时幅度，得到信号的Hilbert谱。第二，本文结合幅度归一化方法，提出了基于HHT方法的信号调制方式自动识别方法。在对AM、FM、2ASK、2FSK和2PSK等5种信号进行调制方式识别时，本文首先利用特征参数γ进行幅度调制和非幅度调制的分类，并且对AM和2ASK进行了很好的识别；然后利用HHT变换方法得到特征参数β和α，把FM、2FSK和2PSK从中识别出来，在信噪比10dB以上，都能取得很好的识别效果。第三，本文在趋势项的去除和提取中，分别运用ARIMA模型、最小二乘法和EMD方法进行仿真分析比较。结果显示EMD方法能自适应地提取出趋势项，与其它两种的方法相比，算法简单，容易实现。本文并把EMD方法提取得到的趋势项应用在股票分析上，可以对股票的走势做出很好的判断。第四，本文分别应用EMD尺度滤波去噪、EMD阈值去噪和EMD与小波结合去噪等三种方法，对仿真信号进行去噪处理，并且进行了比较分析。然后把这三种去噪方法应用于EP信号中进行去噪处理，效果都比较好，其中EMD阈值去噪效果最好，并且方法简单。