對于信号的處理，經常可以用到如下幾種方法，比如傅裡葉變換、小波變換、經驗模式分解（Empirical Mode Decomposition）、變分模式分解（Variational Mode Decomposition）和Hilbert-Huang變換（Hilbert-Huang Transform，HHT）。
對于傅裡葉變換而言，是目前所接觸到應用最多的信号處理法。通過傅裡葉變換可以擷取信号的頻率資訊。但是，傅裡葉變換對于非平穩信号（頻率随時間變化的信号）的處理能力不足，且隻能擷取一段信号總體上包含哪些頻率成分，對各成分出現的時刻并無所知。
小波變換的數學基礎是傅裡葉變換，其被稱為數學顯微鏡。小波變換是時間和頻率的局部變換。小波變換換掉傅裡葉變換的基，将無限長的三角函數基變換成了有限長的會衰減的小波基，不僅能夠擷取頻率，還可以定位時間。通過小波變換，不僅可以知道信号的頻率部分，還知道其在時間上的具體位置。對于突變信号，小波變換的效果要好于傅裡葉變換。小波變換的一個要點是尋找一個小波函數。但是小波變換也有缺點和不足，就是小波基需要人為選擇，同時和HHT相比，小波變換因為受到Heisenberg測不準原理（一個信号不能同時在時域和頻域上過于集中）的制約，在提高時間精度的時候就要犧牲掉頻率精度。同時，在處理含有突變信号的時候，HHT要比小波變換效果更好。
Hilbert-Huang變換是一種新的非平穩信号的時頻分析方法，以瞬态頻率為基本量，以固有模式信号為基本信号。也就是說，在HHT中表征信号交變的基本量不是頻率二是瞬時頻率。HHT是由EMD和Hilbert變換組成，通過EMD将信号分解為不同的基本模式分量IMF，然後使用Hilbert變換來對每個IMF進行處理，可以得知每個IMF的時間-頻率關系。
EMD在HHT中起到關鍵的作用。EMD方法可以将非平穩信号平穩化，得到一系列不同頻率的分量（IMF）。通過這樣的方法可以将非平穩、非線性的信号（這裡的信号就是時間序列）分解成不同時間尺度的平穩信号。最初的IMF分量代表原始信号的高頻部分，随着分解的深入，相應IMF的頻率變小，周期增大。這些IMF可以作為原信号的一組完全或幾乎正交的展開基，這種正交變換實際上保證了信号在變換前後的能量不變。當一個信号的極大值（或極小值的數目）比過零點數目多2個以上（包括2個），則可以判定該信号就是平穩的。找出中的所有局部極大值點，并将其用三次樣條插值形成上包絡線；找出中的所有局部極小值點形成下包絡線。上下包絡線的均值為平均包絡線。将原信号減去該平均包絡線，得到一個去掉低頻的新序列，也就是=-，重複上述過程次，直到平均包絡線趨于0，這樣就得到了第一個IMF分量，=-。代表高頻成分，用-得到去掉高頻成分的內插補點序列，對上得到第2個IMF分量直到不能分解為止（剩餘信号極值點數小于等于2個）。于是可以得出=。其中為殘餘函數，代表信号的平均趨勢，在進行分析的時候一般不考慮殘餘函數。經過EMD分解後，每個IMF分量都可能對應一個實體背景。IMF通過Hilbert變換得到Hilbert譜，譜結構特征就可進一步揭示隐藏在信号中特定的實體過程。每個IMF分量進行Hilbert變換求出瞬時頻率和瞬時幅值，進而可以得知完整的時頻分布。
但是EMD也有缺點，比如存在模式混疊現象，端點效應和停止條件難以判定等。為了克服上述的缺點有學者提出了VMD。相比于EMD的遞歸分解模式，VMD将信号分解轉化為變分分解模式，其實質是多個自适應維納（Wiener）濾波器組，VMD可以實作信号頻域内各個分量的自适應分割，能夠有效克服EMD分解中産生的模式混疊現象，比EMD更強的噪聲魯棒性以及更弱的端點效應。在進行VMD分解的過程中涉及經典維納（Wiener）濾波、Hilbert變換和頻率混合。假設多分量信号是由個有限帶寬的模态分量組成，且各IMF的中心頻率為，分解的限制條件是各模态之和等于輸入信号。VMD的具體實作步驟如下所示。經過Hilbert變換之後，得到的解析信号并計算單邊譜，再乘以将的中心頻帶調制到相應的基頻帶上。，計算上述解調信号梯度的範數，估計各模态的信号帶寬，受限制的變分問題如下：
其中，
。為了求受限制變分問題的最優解，引入拉格朗日乘法算子和二次懲罰因子α，将限制變分問題轉化為非限制變分問題，α在高斯噪聲存在的情況下保證信号的重構精度。使限制條件保持嚴整性。增廣拉格朗日表達式如下：
然後利用乘子交替方向算法來求解上述問題，不斷更新各分量及其中心頻率，最終求得該無限制模型的鞍點，即為原問題的最優解。
其中，分别為
分别為
的傅裡葉變換。可以看成目前剩餘量通過維納濾波器的結果。根據各分量功率譜的重心重新估計中心頻率，更新。
VMD是将待分解信号轉化為非遞歸、變分模态的分解模式，能很好地對噪聲信号進行分解。VMD的整體架構是變分問題，假設每個模式是具有不同中心頻率的有限帶寬，通過采用乘法算子交替方向法不斷地更新各個模态及其相應的中心頻率，在對噪聲信号進行分解後，可以得到各個變模式分量及其中心頻率。
但是VMD方法也有缺點，就是不是對于所有的非平穩信号都是可以直接使用的，對一些非平穩信号需要進行預處理，另外在對VMD中的K參數進行選擇時，沒有一個準則，需要經驗知識來進行調整。
由于在進行Hilbert變換求瞬時頻率時，有時會出現負瞬時頻率的現象，在使用EMD時進行了條件限定，這樣瞬時功率才有實際的實體意義。
限定條件1：在整個序列中，極值點的數量（包括極大值、極小值點）與過零點的數量必須相等，或最多相差1個。
限定條件2：在任意時間點上，信号局部最大值确定的上包絡線和局部極小值确定的下包絡線的均值為0。
然而對于VMD，任何時刻的瞬時功率都有實際的實體意義。
參考文獻：
[1] Dragomiretskiy K, Zosso D. Variational Mode Decomposition[J]. IEEE Transactions on Signal Processing, 2014, 62(3):531-544.
[2] Norden E. Huang et. al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time seri[M]. The Royal Society,1998.
[3] 胡廣書. 數字信号處理:理論、算法與實作.第2版[M]. 清華大學出版社, 2003.