1998年美国工程院院士N.E.Huang及其合作者首次提出了一种适合于处理非线性非平稳信号的新的时频分析方法——Hilbert-Huang变换(简称HHT)，该方法的主要创新是经验模式分解(EmpiricalModeDecomposition，EMD)的引入。通过这种方法，任何复杂信号都可以分解为有限的且具有一定物理意义的几个本征模态函数(IntrinsicModeFunctions，IMF)分量，再对各分量进行Hilbert变换以得到各自的瞬时频率和瞬时振幅，最终把信号表示为时频平面上的能量分布，称为Hilbert谱。它可以对信号的频谱结构作出精确的局部时频分辨，可以更准确有效地把握原数据的特征信息，且具有自适应性、完备性和正交性的特点。短短几年来，它已被成功应用于地震勘探、机械故障诊断、生物医学、海洋等诸多领域。本文在N.E.Huang等人前期研究工作的基础上，对HHT展开了研究，取得了一定的研究成果，为拓展HHT新的理论论证和应用提供了有益的探索。 本文围绕着HHT主要完成了两个方面的研究工作——HHT的理论研究和应用研究，具体表现如下： 1.对HHT变换理论进行了研究，对解决IMF的模式混叠问题和端点效应问题进行了有益的探索。 (1)针对直接用EMD分解含有间歇检验的数据而产生模式混叠这一现象，提出了基于局部均值分解的间歇检验滤波方法，使之能够有效的避免模式混叠现象，从而使得本征模态函数具有明确的物理意义。 (2)针对端点效应等不足，提出了基于多项式变换矩阵的数据序列延拓技术和基于非线性自适应预测模型的时间序列延拓方法，这两种方法都可以有效地克服端点效应问题，从而得到准确的IMF分量和Hilbert谱。 2.将HHT应用于建筑结构损伤检测特征提取、HRV能量谱估计、手写体数字识别中，都获得了较成功的应用。 (1)提出了基于EMD的信号瞬时特征小波分析方法，根据结构响应数据对建筑损伤进行特征提取，能够更好地辨识出破损的时间局部特征信息，通过与直接的小波方法或EMD方法检测结果之间的比较，验证了该方法的检测效率。 (2)提出了一种基于HHT的HRV能量谱估计分析新方法，通过信号预处理数据重排，找到了符合物理意义的RR间歇序列的有用特征，较好地得到了RR问期中高频，低频及极低频的能量信息，为HRV的医学诊断和预测提供了新的解决途径。 (3)提出了基于EMD的手写体数字聚类模型化方法，通过对规范轮廓曲率序列作EMD分解，提取出各字符轮廓曲率序列的第一个IMF分量，后对此IMF分量进行小波分解以得到浓缩曲率特征的主要信息，最后对阿拉伯数字字符进行聚类分析，实验结果表明利用这些特征参数能有效区分相似字符，提高分类器的分类设计能力，为手写数字识别的研究提供了一条新途径。