机械振动信号作为机械设备故障诊断技术和设备状态中最直观的反映，采取一种有效的方法对其进行处理和特征识别就成为机械领域的核心问题。本文首先针对一些比较常用的信号分析方法进行简要概述，得出这些方法都是在傅里叶变换的理论基础上发展而来的。由于傅里叶算法自身的特点，即只能在单一的时域或者频域上处理信号，使得这些常用的变换方法都具有各自的局限性。其次，在分析常用的时频分析方法缺点的基础上，研究了一种全新有效的时频域分析方法－基于经验模态分解（Empirical modedecomposition，简称EMD）的希尔伯特变换方法，分析其自身算法产生的模态裂解和端点效应等缺点，探讨优化方法。针对上述缺点，分别采用滤波降噪和端点延拓的处理方法，以此来改进EMD的希尔伯特变换的处理方法。最后，通过仿真信号的模拟分析，来验证了这两种方法的实用性及有效性。最后，结合两种具体的工程实例，采用此方法对其振动信号进行分析。首先以铁厂风机作为研究对象，对现场采集得到的信号进行EMD分解，得到一系列的内禀模态函数（IMF）分量，然后对每一个分量进行希尔伯特变换处理，得到一系列的谱图，特别是针对边际谱图，故障信息在频域上有很好的累加，更能体现故障信息，验证了此方法在实际的工程应用中是十分有用的。紧接着把此方法应用在突变快、衰减快的爆破振动信号上，得出其主要的振动参量，为地表建筑物的避震防灾提供了坚实的理论依据。