EMD(EmpiricalModeDecomposition,经验模态分解)算法是由美籍华人黄鄂于1998年提出来的一种新型的自适应时频分析方法，该方法基于信号局部特征，对于非平稳、非线性信号的处理具有特有的优势。与传统的以线性和平稳假设为基础的傅里叶分析、小波变换等时频分析方法相比，EMD算法在处理非平稳、非线性信号时展现出了独特的性质，在理论研究和工程应用上都有着重要的研究价值。肺音信号处理是无损检测人体肺部疾病的重要手段，在呼吸系统疾病日益严重地威胁人类健康的今天，使用计算机技术对肺音信号进行记录、检测识别、定量分析、辅助诊断，无论是对实际临床诊断准确性的提高，还是对于相关理论研究都具有重要的意义。
　　本文深入研究了EMD算法，首先从理论的角度对EMD算法中的包络线拟合问题和端点效应问题进行了研究，并提出了改进方法。然后从应用的角度出发，针对肺音去噪问题，进一步研究了基于EMD去噪的相关算法，提出了基于EMD和盲源分离的肺音去噪新方法。本文的主要内容和创新点如下:
　　(1)针对EMD算法中传统的三次样条插值带来的包络线过冲/欠冲现象、模态混叠问题，提出最优有理Hermite包络线插值算法:ORHEI(Optimal Rational Hermite Envelope Interpolation)，通过形状参数的调整灵活改变包络线的形状，为了达到最优效果，使用PSO算法(ParticleSwarmOptimization，粒子群优化算法)找到曲线簇中的最优曲线，完成包络曲线的优化和选择。通过仿真信号和实际非线性非平稳信号的测试，验证了算法的有效性。实验证明，该方法在消除过冲/欠冲现象、模态混叠问题上与传统方法相比都得到了提高。
　　(2)针对EMD算法中的端点效应问题，首先分析了抑制端点效应的两种解决思路，然后对典型的几种抑制端点效应问题的方法包括：镜像延拓法、波形匹配法、多项式拟合法和人工神经网络法进行了深入的研究，总结了这四种典型方法的特点并做了仿真对比实验。最后，在上述研究的基础上，提出了一种基于最相似子波的抑制端点效应方法。仿真信号和真实信号的实验表明，新方法能够有效的抑制端点效应，同时由于考虑了信号的自身特性，因此较好的保留了信号的本身特征，在相似系数、平均相对误差指标上均优于传统的方法。
　　(3)针对肺音信号处理中的去噪问题，总结了肺音信号中噪声的种类和当前肺音去噪研究的现状。针对目前使用电子听诊器采集肺音的单通道特性，提出了使用EMD软阈值去噪和单通道盲源分离相结合的方法(ESBSS去噪法)消除肺音中的噪声。方法首先使用EMD软阈值去噪的方法消除如肌肉摩擦音、肠胃蠕动音、环境、操作等带来的各种噪声，再使用单通道盲源分离方法分离出心音，从而得到消除噪声的肺音信号。通过对采集得到的三种正常肺音的实验，从波形、听觉和客观评价指标三个方面验证了ESBSS去噪法法在肺音信号去噪方面的有效性，同时通过基于SVM的识别实验进一步验证了新方法对于肺音识别亦具有提升作用。