气溶胶作为大气重要组成部分,能直接或间接影响气候系统,对人类生产生活产生深远影响。对气溶胶的探测研究是提高对气候认知不可或缺的一部分。激光雷达作为主动遥感的有效工具,可全天侯运行,能获取大气垂直剖面信息,且数据时空分辨率高,被广泛应用于大气探测研究中。但激光雷达接收到的回波信号需要进行数据预处理才能得到所需的气溶胶参数。由于激光雷达回波信号是非线性非平稳信号,且易受各类噪声污染。去噪成为数据处理中的重要环节。为了滤除噪声提取有效信号信息,需要研究高效可行的方法进行降噪处理以期提高后续数据反演精度。本文采用仿真的激光雷达回波信号进行去噪实验,对比分析各类不同算法的优劣势,并提出了使用麻雀搜索算法（Sparrow Search Algorithm,SSA）优化参数的新型联合去噪算法WT-VMD。仿真实验首先模拟了无污染和有气溶胶层云层两种大气状态下的消光系数垂直分布,模拟过程采用三组不同累积脉冲数对应不同的输入信噪比,对六组数据添加泊松噪声来构建含噪信号。去噪算法方面选取了单一算法小波变换（Wavelet Tansform,WT）、经验模态分解（Empirical Mode Decomposition,EMD）、变分模态分解（Variational Mode Decomposition,VMD）及两种改进算法,并在此基础上结合单一算法形成四种联合算法。其中,为解决VMD的参数选取问题,使用了群智能优化算法——麻雀搜索算法。其次,采用九种滤噪算法进行去噪实验并对比分析,验证其在激光雷达回波信号去噪中的适用性。结果表明,使用麻雀搜索算法的新型WT-VMD联合算法在不同天气条件和输入信噪比下都具有最大的输出信噪比和最小的均方根误差,且去噪后曲线平滑度小。该算法可以在滤噪的同时最大程度地保留大气垂直结构的特点,并有效降低反演消光系数的相对误差。与其他常用的去噪方法（时间平均法、中值滤波法）相比,该算法拥有绝对优势,可应用于激光雷达实测信号中。最后,本文使用麻雀搜索算法的新型WT-VMD联合算法预处理后的激光雷达数据与气象参数数据和太阳光度计数据相结合,综合分析了 2014年4月北京的一次霾污染事件。结果显示霾污染期间,低空有高浓度气溶胶层覆盖,污染物以细模态粒子为主,多是高散射性颗粒物。低风速的不利扩散条件导致污染物聚集,能见度显著下降。