本发明公开了一种基于CEEMDAN和深度学习的信号去噪方法，通过对信号f(t)进行CEEMDAN分解，以获取固有模态函数分量imfh(t)和残差分量r(t)；然后将固有模态函数分量imfh(t)分量划分为噪声固有模态函数分量、混合固有模态函数分量和信号固有模态函数分量；丢弃噪声固有模态函数分量，并对混合固有模态函数分量进行去除噪声处理，最后进行信号的重构，将去除噪声的混合固有模态函数分量、信号固有模态函数分量和残差进行信号重构，得到去噪后的信号。本发明将信号经CEEMDAN分解产生的固有模态函数分量分成三类，对不同类型的固有模态函数分量采用不同的处理方法，既提高了处理速度，又提高去噪的效果。引入了注意力机制，够抑制通道中没有用的特征，增强需要用到的特征。