基于经验模态分解(EMD), 提出了一种改进的永久散射体(PS)探测方法。对干涉图进行多尺度分解, 基于梯度的自适应滤波对分解的本征模函数中的噪声进行低信噪比区域强滤波和高信噪比区域弱滤波, 估算滤波后各PS候选(PSC)点的噪声相位。基于各PSC点的幅度和相位稳定性, 对选取的PSC点的相位信息进行分析, 判断其作为PS点的概率, 进而选取可靠的PS点。实验结果表明：与传统的PS点选取方法相比, 所提方法避免了探测过程中PS点的误判和漏判, 准确性更高。

干涉图滤波是干涉光谱成像仪光谱反演过程中的一个关键环节，常用的滤波方法主要是差分法和拟合法。差分法对背景噪声不能完全去除；拟合法则需要先验知识，而且在干涉数据两端拟合误差较大。经验模态分解（EMD）方法是近年来提出的一种新的用于线性和稳态谱分析信号处理方法，该方法提出后在很多领域得到广泛应用。将EMD方法应用到干涉图的滤波过程中，使得对背景噪声的提取更为合理，而且具有自适应性，避免了常用滤波方法的不足。利用实验室实际获取的数据进行分析，可以看出：EMD滤波后空间维的光谱相对均方根误差(RQE)均