经验模态分解（Empirical Mode Decomposition，EMD）是由 Huang等人于1998年提出的一种针对非线性、非平稳信号的自适应信号分解算法。自该方法提出以后便得到了学术界的广泛关注与研究，经过十几年的研究与发展，在理论方面EMD算法取得了进一步的完善。许多国内外学者也将该方法应用到了地球物理领域，并做了深度的研究与探索。与传统的基于Fourier变换的信号分析方法相比，EMD不仅突破了Fourier变换的局限性，而且不存在如小波变换一样需要预选小波基函数的问题，具有良好的时频分辨率和自适应性，能够完美地重构原始信号，同时具有突出信号中可能被忽视的精细地质构造的潜能。在噪声压制方面，EMD将含噪信号分解后，能够将信号中的噪声和有效信号在不同的固有模态函数（intrinsic mode function，IMF）中分离开来，通过合理地选择IMF重构信号，达到去除噪声的目的。(Empirical Mode Decomposition (EMD) is an adaptive signal decomposition algorithm)