针对传统的聚类方法对于超长离散信号的运算量大、效率低下，本文对超长离散信号的聚类方法进行了研究，并应用于海洋潮型的聚类分析。在信号分析方法中Fourier变换是一种最常用最基本的分析方法，它将时域信号变为频域信号，能较好地刻画信号的频率特征。但是Fourier变换只有在系统是平稳的情况下，才能使分析结果更具可靠性。在实际中，大部分信号都是非平稳或非线性的,希尔伯特－黄变换通过经验模态分解将信号分解为一系列的本征模态函数，再对这些IMF进行Hilbert变换得到Hilbert谱，于是得到其时频分析结果。因此对于超长平稳离散信号，文章采用了Fourier变换提取信号的主频成分，而对于超长非平稳离散信号则采用Hilbert-Huang变换分解出信号的本征模态函数，得到原信号的平稳部分和剩余部分（一般是非平稳的信号），再对平稳部分采用Fourier变换提取主频成分，而对剩余部分（非平稳信号）由于其具有简单性质可用多种方法实现聚类。为了更准确地实现非平稳信号的EMD分解，在完全消除边界效应的四中点分解法的基础上，针对小脉冲所产生的较大影响现象进行了有效地改进，提出了经验模态函数稳健分解方法。通过建立超长离散信号空间到以主频谱和主频率为特征的低维空间上的映射，诱导出了超长离散信号空间上的广义距离，在此基础上，建立了一种针对超长离散信号进行聚类的方法。与传统聚类方法相比，新方法可使计算量大为减少。同时，还可根据具体问题灵活调整广义距离中的参数，实现具有针对性的聚类。文中还将新方法应用于世界各验潮站海面波动信号的聚类，绘出了全球潮型分布图，验证了新方法的有效性。