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。

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。

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。

虹膜识别是一种有效的生物特征识别方法。经验模态分解(EMD)是一种可自适应的对非线性、非平稳信号进行多分辨率分解的信号分析算法。将虹膜图像进行EMD分解,找出有利于虹膜识别的敏感频带,使用选择后的固有模态分量对虹膜图像进行特征提取。仿真实验结果表明,该方法正确识别率达到99.44%,并且由于其在特征提取的同时消除了高频噪声和背景光影响,简化了预处理过程,降低了算法的复杂度。