EMD是1998年提出的一种针对非平稳非线性信号的处理方法，该方法目前在很多领域都取得了成功的应用。但也存在一些不足，主要包括，模式混叠、端点效应和停止条件等。
1、模式混叠
模式混叠最早是被Huang提出，其基本定义如下：模式混叠是指一个IMF中包含差异极大的特征时间尺度，或者相近的特征时间尺度分布在不同的IMF中，导致相邻的2个IMF波形混叠，相互影响，难以辨认。图1即为前一种现象的例子。
2、模式混叠产生的原因
EMD过程首先需要确定信号的局部极值点，然后用三次样条线将所有的局部极大值和极小值分别连接起来形成上下包络线，再由上下包络线得到均值曲线。在求取包络线的过程中，当信号中存在异常事件时，势必影响极值点的选取，使极值点分布不均匀，从而导致求取的包络为异常事件的局部包络和真实信号包络的组合。经该包络计算出的均值，再筛选出的IMF分量就包含了信号的固有模式和异常事件或者包含了相邻特征时间尺度的固有模式，从而产生了模式混叠现象。
Huang认为引起模式混叠现象的原因主要在于间歇现象，而引起间歇现象的往往是异常事件（如间断信号，脉冲干扰和噪声等）。
根据以上可知，模态混叠会导致错误的IMF分量，从而使IMF丧失具体的物理意义。目前解决模式混叠现象较好的方法是Huang提出的EEMD。
端点效应：端点效应成为影响经验模态分解精度的主要因素，即在”筛分“的过程中上下包络在数据序列的两端会出现发散现象。端点效应会增加一些虚假成分，信号的总能量也随之增加。对于解决该问题，目前已经提出了多种方法，例如直接以数据端点作为极值点、多项式拟合算法、神经网络延拓算法，极值点与对称延拓相结合等多种算法。