针对经验模态分解（empirical mode decomposition,简称EMD）中的端点效应问题,在研究总结了现有端点效应抑制方法的基础上,提出一种新的方法——基于支持向量机（support vector machine,简称SVM）延拓和窗函数相结合的方法,弥补了SVM延拓依然找不到端点以及窗函数会改变原始信号的缺点。首先,采用SVM对原始信号两端分别进行延拓,将延拓后的数据进行加窗处理（中间加矩形窗,延拓数据加海明窗）;然后,利用EMD方法对加窗后的信号进行分解,得到若干个内禀模态函数（intrinsic mode function,简称IMF）;最后,将IMF分量的两端延拓部分去掉,以此来达到抑制端点效应的目的。以正交性为量化评价指标,对比分析了不同方法的性能,通过仿真和实验结果表明,该方法可以更好地抑制端点效应的发生。