近年来，希尔伯特－黄变换（Hilbert-Huang Transform, HHT）作为现代信号研究领域中一种新兴的分析方法，受到越来越多学者的青睐，由于其可以从时域和频域两个方面对信号进行分析，因此适合用来分析非线性非平稳信号。此方法已经在海洋、震动工程、故障诊断、生物医学、金融等许多研究领域得到了广泛的应用，并取得了较好的结果。HHT的关键是经验模态分解（Empirical Mode Decomposition, EMD）。利用EMD，任何复杂的信号都可被分解为从高频到低频的有限个本征模态函数（Intrinsic Mode Function, IMF），IMF的引入赋予了瞬时频率实际的物理意义，这是一种基于信号时域局部特征的分解。本文的主要工作就是以EMD为基础展开的。第一，针对EMD过程中一直备受关注的边界效应问题，提出基于信号内部相似波形延拓端点的方法，使信号边界处的信息得到更合理的延拓。第二，在张立振提出的快速滤波分解信号为本征模态信号法（FastFiltering Decomposing Signal into IMFs, FFDSI）的基础上，对信号分解中出现的边界效应进行抑制。首先利用快速滤波技术将原信号分解为IMF，然后在信号内部截取适当的两段分别延拓到原信号两端，经快速滤波得到分解结果后，再截去延拓的部分，保留原信号长度的分解结果。利用该方法延拓后的信号，能够更合理地反映信号的内在规律和变化趋势，使得到的延拓序列更接近于真实序列，并摆脱了传统延拓方法中存在的三次样条插值及上、下包络线的束缚。通过实例验证了该方法的有效性。第三，对于信号的预测问题，本文提出基于EMD的分解域预测模型。由于信号经EMD可表示为本征模态函数和剩余项的和，因而将信号的预测问题转化为各本征模态函数和剩余项的预测问题。对本征模态函数和剩余项分别采用三角函数修正预测法和局部二次函数预测法，从而得到原始信号的预测值。由于EMD可以有效地保留信号本身的结构，从而使这种基于局部的预测模型精度更高。实验表明，这种基于EMD分解域的预测模型可以获得较好的预测性能。