在日地空间系统中,无论是空基还是地基的观测数据,通常都会呈现出多尺度和非稳态的时间变化特征,这反映了空间物理中存在一些复杂的非线性动力学过程。因此,在空间物理瞬态时间序列观测数据的分析处理中,寻找合适的时频分析方法,获取关键物理参量各时间尺度的波形特征及其在时间-频率空间的瞬时能量分布,对我们深入了解日地空间系统的非线性物理特性具有重要意义。本文关注太阳风、地磁场相关的瞬时扰动和连续时间演化问题,尝试将希尔伯特-黄变换(Hilbert-Huang Transform,HHT)技术应用于空间物理中两种典型的非稳态时间序列数据,分别是中低纬局域地磁感应电流(Geomagnetically Induced Current,GIC)和太阳风中Alfvén波动数据的处理分析。HHT作为一种自适应的时频分析技术,能够根据信号本身的瞬时特性自适应地对其进行分解,并通过Hilbert变换获得信号的瞬时时频能量分布,近年来被广泛应用于各领域非线性非平稳时间序列的数据分析。在中低纬局域GIC效应及其驱动源的相关研究中,首先,针对中低纬电网GIC实际监测数据很有限且信号弱的问题,本文提出了一种GIC弱信号识别的方法,即基于局域电网GIC的监测数据、临近地磁场数据和太阳风能量输入参数,采用HHT方法分解和重构GIC的暴时扰动信号,通过综合分析GIC扰动信号的瞬时能量分布和磁暴各时间相扰动总能量的变化率来识别电网GIC对磁暴的响应。然后,运用短时 Fourier 变换(Short-Time Fourier Transform,STFT)、小波变换(Wavelet Transform,WT)和HHT三种不同的时频分析技术对一次超强磁暴期间的地基观测数据进行功率谱和时频能量谱分析,利用地磁场水平分量数据构建一组双频带GIC地磁振幅指数,并进一步分析了该指数与GIC监测信号的绝对振幅在波形和能量谱方面的对应关系。研究结果表明,在中强等级的磁暴期间,中低纬度局域电网监测到的GIC信号很弱,容易被其他周期信号或噪声掩盖,但经适当处理仍然可以将GIC弱信号用于分析空间天气的GIC潜在风险;在极端空间天气事件中,GIC监测信号存在两个频带上的能量集中分布,分别对应地磁水平分量的低频带能量和地磁水平分量差分信号的高频带能量。此外,本文基于上述两方面对GIC实际监测事例的分析,结合以往的相关研究,讨论并归纳了影响局域电网GIC效应的各方面因素,其中包括GIC的空间驱动源、大地深部电性结构和电网系统的自身因素。以上研究结果有助于扩充GIC实测事例的样本,对局域电网GIC潜在风险的评估、空间天气事件对地效应的统计分析和GIC预测模型的构建等方面的研究提供了重要的参考。Alfvén波是太阳风等离子体流中普遍存在一种磁流体电磁波,其主要的观测特征是等离子体速度和磁场波动呈强相关性且成比例,因此,基于单卫星太阳风观测数据,可以通过De Hoffmann-Teller(HT)坐标架中等离子体速度和磁场波动信号的Walen关系来判断识别太阳风中的Alfvén波。在太阳风Alfvén波的观测识别研究中,传统方法定义的HT坐标架是基于平稳化近似条件确定的,忽略了太阳风等离子体背景结构随时间的非稳态变化,同时,也没有考虑观测数据中有可能存在的其他波动或非传播磁结构的混杂干扰。因此,针对传统方法的局限性和不确定性,本文提出了 一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)技术进行Alfvén波动分析的新方法,并通过两种Alfvén波的测试方式与现有的分析方法进行对比。在基于HT参考系的常规Walen测试中,通过对等离子体和Alfvén速度各分量之差进行EEMD分解直接提取出一组随时间变化的HT速度分量,由此得到的测试结果可与传统的最小剩余电场法(Minimum Variance Analysis on Electric Field,MVAE)和平均速度差法进行对比;在改进的Walen测试中,本文利用EEMD方法分解并重构出多种组合的等离子体速度和Alfvén速度波动分量,测试结果与速度时间差分方法进行比较。在综合考虑各个Alfvén波参数后,测试结果表明:本文提出的EEMD方法能显著优化Walen判据的认证效果,相对于传统的分析方法,EEMD方法不但可以自适应地获得一个随时间变化的HT参考系速度,还提供了一种重构Alfvén波动的灵活方案,有助于消除与Alfvén波性质无关的高频和低频干扰,更适用于存在非平稳的等离子体背景运动和磁场结构的复杂情况,可以作为基于单卫星数据识别太阳风中大振幅Alfvén波的一种有效方法来使用。