石油、天然气等能源对我国社会发展意义重大,地震勘探作为探明地下信息的手段被广泛使用,地震勘探的场景从早期的平原地区逐渐向林地、沙漠等复杂地质条件地区迁移。沙漠地区地震勘探数据常伴有大量的随机噪声,由自然噪声、人文噪声等叠加得到,其特性复杂,具有非平稳、非高斯、非均匀的特性,是一种噪声频率和信号频率接近的低频色噪声。传统地震勘探噪声压制方法很难满足去噪要求。为了实现沙漠地震勘探数据的三高要求,提高后续地震资料解释和地下资源反演定位的质量,需要对沙漠地震噪声压制方案进行深入研究。深度学习算法在各领域上取得令人瞩目的成果,本文首次将深度K-SVD去噪算法引入地震信号处理中,压制沙漠地震勘探随机噪声。深度K-SVD算法利用深度学习实现K-SVD框架,利用多层感知机预测未知噪声的先验信息和稀疏系数,结合学习的字典获得地震信号的稀疏表示,该算法采用迭代阈值收缩算法进行稀疏表示,兼顾块内信息和全局观测完成去噪,解决了信号失真的问题。该算法采用监督学习的方式训练多层感知机中各节点权重和偏差,使它可以根据不同的输入噪声自适应地得到软阈值参数。针对深度K-SVD在稀疏表示阶段耗时长,降低迭代次数导致去噪效能降低问题,本文结合快速迭代阈值收缩算法改进深度K-SVD算法,提出了快速深度K-SVD。利用快速迭代阈值收缩算法进行稀疏编码,使之在尽量少的迭代次数下获得尽量好的去噪效果,更适用于大量的地震勘探数据处理。仿真分析和实际地震勘探数据处理结果验证了改进算法的去噪性能,在相同的迭代次数下此算法改善了去噪效果,降低了去噪过程中信号的能量损失,提高了计算效率。此外,对比小波算法、非局部均值滤波算法,本文算法在沙漠地震数据去噪中具有优越性。