探索地层内部结构需要对采集的地震信号进行分析研究,然而通常采集的地震信号中不仅仅含有有用信息,也会存在大量不同形式的噪声,特别是近几年勘探深度越来越大,勘探作业区的地质情况也更加复杂,噪声与有用信息相互交织,严重干扰着对其分析处理,所以地震信号去噪变得尤为重要。本文基于模态分解技术对去除地震信号中随机噪声进行一系列研究,主要研究内容如下:首先,深入研究经验模态分解EMD、集合经验模态分解EEMD和完备集合经验模态分解CEEMD三种算法的基本原理以及算法本身存在的弊端,EMD具有模态混叠和端点效应问题、EEMD辅助噪声污染原始信号和CEEMD残余噪声由高阶向低阶传递。采用三种分解算法对纯净信号分解和对模拟地震含噪信号进行传统去噪,分析各算法本身弊端对分解效果的影响和传统去噪方法的不足。其次,基于上述引进一种全新的分解算法:自适应完备集合经验模态分解CEEMDAN,并分析其改进方法以及分解效果,发现其分解效果较EMD、EEMD和CEEMD较好。深入了解样本熵和能量熵概念、阈值去噪方法以及随机噪声和有用信息与实际信号相关性不同问题,提出CEEMDAN自适应阈值去噪方法,实际信号经CEEMDAN分解出的IMF分量使用样本熵划分高低频,对高频分量进行相关性分析,去除有用信息位置系数,保留随机噪声位置系数,构造阈值对高频分量去噪,随后对去噪后的高频分量与保留的低频分量重构以达到去噪目的,通过对理论地震信号、实际地震信号以及含有不同信噪比噪声的含噪信号的去噪,并与传统去噪方法对比,验证本方法不仅解决传统去噪方法高频分量需人为划分的问题,而且在提高信噪比和保留有用信息上也具有优越性。最后,上述CEEMDAN自适应阈值去噪方法对实际地震信号去噪时发现效率较低,因为CEEMDAN是一种递归迭代分解算法,分解地震信号时需做大量迭代和加总平均计算。研究分析在频域内自适应分解的变分模态分解VMD,发现其分解过程不存在大量的迭代和加总平均计算,分解效率更高,通过实验仿真与CEEMDAN对比分析,验证其在分解精度、分解效果、抗噪性等方面更优。由此提出VMD联合能量熵阈值的去噪方法,并通过用该去噪方法与CEEMDAN自适应阈值去噪方法分别对理论地震信号、实际地震信号以及含有不同信噪比噪声的含噪信号的去噪且比较,验证其方法不仅在提高信噪比及保留有用信息都相对于CEEMDAN自适应阈值去噪方法优越,且更适用于处理低信噪比地震信号,运算时长也大为缩小,效率提高。