针对希尔伯特-黄变换(Hilbert-Huang Transform,HHT)处理混有噪声的爆破地震波信号时, 会出现时频分析失真的现象, 对影响HHT时频分析精度的因素进行逐一改进, 得到改进后的算法来提高含噪爆破地震波信号时频分析精度。首先对经验模态分解(Ensemble Empirical Mode,EMD)进行改进得到自适应补充集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)抑制低频趋势项, 同时添加多尺度排列熵(Multiscale Permutation Entropy, MPE)代码控制高频噪声, 最后对CEEMDAN·MPE得到的IMF进行归一化Hilbert变换(Normalized Hilbert Transform,NHT), 通过上述三步即可改善传统HHT含噪爆破地震波信号时频分析精度不足的问题。为验证CEEMDAN·MPE-NHT算法时频分析的准确性, 进行HHT和CEEMDAN·MPE-NHT算法的含噪仿真信号时频分析对比研究, 并将CEEMDAN·MPE-NHT算法用于水下钻孔爆破地震波信号时频分析中。研究结果表明: CEEMDAN·MPE分解得到的IMF经NHT处理得到的时频谱在时域和频域上均具有较高的分辨率, 得到的时频分析参数精度相比HHT有了很大的提升, 可实现更准确提取含噪爆破地震波信号时频特征参数, 对爆破地震波危害效应识别, 制定科学的爆破地震波危害效应控制措施具有重要的现实意义。

事件识别是分布式光纤传感的重要应用，现有的模式识别手段存在泛化性差和对弱振动识别的准确率低两个主要难题。以马赫-曾德尔干涉仪为应用对象，从样本来源的角度改善传统的分类器，以时域信号经经验模态分解所得的本征模态函数构建训练样本，使用卷积算子提取信号的波形特征、频域特征、时频域特征，构建深度学习网络，并在相同的神经网络框架下以原始信号为输入设计了4个对照组。所提识别方案在测试集和验证集上对6种目标信号的准确率分别为97.02%和94.88%，泛化性和分类精度均处于最优状态。分类器的平均样本响应时间低于0.07 s，具备良好的可行性与发展前景。

针对爆破地震波信号经验模态分解(Empirical Mode Decomposition，EMD)固有的端点效应问题，提出了一种基于边界局部特征尺度自适应匹配延拓(Boundary Local Characteristic Scale and Adaptive Matching Extension,BLCS-AME)的EMD端点效应抑制方法。该方法将原始信号全局时间参数之间的内在联系和信号在端点处幅值参数的局部变化趋势进行联合考虑，得到了延拓后的边界局部特征尺度(BLCS)，再以BLCS为研究对象，在原始信号中找到与BLCS匹配度最高的一组时间序列，最后将该时间序列平移到端点处进行EMD，即可实现基于BLCS-AME的EMD端点效应抑制处理。通过多种方法仿真信号EMD端点效应抑制的对比分析，可得出结论：与常规端点效应抑制方法相比，BLCS-AME方法对EMD端点效应具有更好的抑制能力，能够得到精度更高的固有模态函数(Intrinsic Mode Function，IMF)，研究结果更能反映信号的内在属性。最后将该方法用于实际爆破地震波信号EMD中，进一步验证该方法能够有效抑制爆破地震波信号EMD过程中产生的端点效应，有利于爆破地震波信号细节特征参数的提取，得到反映爆破地震波信号内在属性的特征参数，对爆破地震波危害控制具有重要的现实意义。

利用温度脉动仪在近海面测量的大气折射率结构常数Cn2，结合集合经验模态分解（EEMD）获得不同时间尺度的本征模态函数（IMF）分量，对IMF的周期进行分析，结果表明IMF的平均周期存在较高吻合度的自然指数关系，根据大气湍流各态历经性可以得到其空间尺度特征。对得到的IMF分量进行Hilbert变换，得到IMF在各自中心频率的瞬时波动情况，同时得到常规气象参数与Cn2的Hilbert-Huang变换边际谱。结果表明，对比传统的快速傅里叶变换（FFT），Hilbert-Huang变换更能体现出光学湍流的频谱分布特征。分析了不同层结的常规气象参数与Cn2的相关性，进一步认识近海面光学湍流时空特征。研究结果为海洋环境下激光传输提供一定参考价值。

针对微机电系统（MEMS）陀螺存在的非线性、非平稳噪声, 提出了应用经验模态分解/高阶统计(EMD-HOS)的降噪方法对MEMS陀螺进行降噪。首先, 采集MEMS陀螺输出信号, 根据EMD算法将信号分解成本征模态函数(IMF)。采用Bootstrap技术分别估计各IMF的峰度值, 进行高斯特性检验, 滤除高斯IMF。接着, 使用方差聚合法分别计算IMF的Hurst指数, 根据Hurst指数计算阈值, 对各IMF进行软阈值处理。将阈值处理后的剩余IMF进行重构, 达到降噪的目的。最后, 通过交叠式Allan方差分析对滤波前后数据进行处理, 绘制Allan方差与相关时间关系曲线, 利用非线性最小二乘拟合方法, 计算陀螺噪声各项指标。实验表明, EMD-HOS和软阈值处理能够有效地对MEMS陀螺降噪, 其信噪比提高了5.6 dB, 各项陀螺随机噪声关键指标提高近一个量级。

对于大尺寸高精密光学元件，不仅要对光学元件表面低频面形精度和高频粗糙度进行控制，还需要严格限制中频误差，以保证其使用性能和稳定性。为了确定光学元件的不合格区域并指导其返修，引入经验模态分解(EMD)和Wigner分布(WVD)函数方法，通过理论分析确定该方法与功率谱密度函数间的关系，实现对光学元件表面中频误差的辨识与定位。实验结果表明：EMD-WVD方法不仅可以识别分布在实验光学元件表面15~27 mm空间频率为0.1 mm-1的中频误差，还可以减小多分量信号所引起的空间频率为1.0~1.5 mm-1的交叉项干扰，提高中频误差辨识的准确率。

图像增强是图像处理的一个重要方面。提出了基于经验模式分解的图像增强方法:对图像进行经验模式分解(EMD),得到多个不同分辨率的内蕴模式函数图层和一个趋势图层,通过调节内蕴模式函数图层和(或)趋势图层增强图像。实验结果表明,基于经验模式分解的图像增强方法能够增强图像的细节和亮度,是一种有效的图像增强方法。

针对激光雷达回波信号较弱易于被各种噪声污染的特点,本文提出利用经验模态来模态分解(EMD)这一非线性、非平稳信号处理方法,对Mie散射激光雷达信号进行多尺度分解。该方法是利用信号内部时间尺度的变化做能量与频率的解析,采用这种方法能够将噪声污染的激光雷达信号分解成若干个线性、稳态的本征函数(IMF),通过对本征函数的重构,去除包含高频噪声的IMFs,从而达到去噪目的。实验结果表明,这种方法的去噪能力强,并且具有自适应的特点,从而说明了这种方法在信号去噪中的优势。