本文介绍过程涉及到两个链接工具包，可以自己网上搜索，也可以在以下网盘下载：https://pan.baidu.com/s/1G8JdRhgBz8jFyehrgqZjMQ 提取码：x3un ，因为作者主要做语音方面工作，所以后面的说明主要以说话人识别为例。

一、经验模式分解（EMD）
关于经验模态分解的概念，网上有很多具体的讲解，这里就不进行细说，具体过程可以参考https://blog.csdn.net/lvsehaiyang1993/article/details/80875679。
目的：将任意信号（尤其是非线性稳态信号）分解为稳态信号的线性之和
过程：
<img src="https://img-blog.csdnimg.cn/20200317112949191.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjg0NjE1Nw==,size_16,color_FFFFFF,t_70"width=“30%”>

二、希尔伯特变换（Hilbert Transform）
三、希尔伯特-黄变换（HHT）
四、基于EMD的语音信号处理（以说话人识别为例）
语音信号是非稳态信号，只有在短时才具有稳态性，所以在信号处理的时候，假设信号具有稳态性，所以通过分帧（帧长10—30ms）将信号转换为稳态信号，但是分帧的过程会因为加窗类型和窗长的不同，对原始信号产生影响。EMD的作用与加窗分帧类似，其本质就是将非稳态信号转换为稳态信号，然后进行后续的处理，其中的IMF就是不同的稳态信号，对应的是不同的频率区间，一般由高到低排列，直到出现残余量r，过程截至。
以上仅为个人学习后总结，如有不妥，欢迎指正！