在地震勘探工作中,对地震资料进行反褶积、波阻抗反演、AVO反演以及正演模型的建立这些工作都依赖于高精度的地震子波。而在实际勘探过程中,地震子波常常是未知的,必须通过我们已有的地震资料提取出真实的子波,常规的子波提取方法有直接法、确定性方法和统计性方法：直接法就是利用探测仪器直接提取地震子波,确定性估计方法就是在测井资料已知的前提下,首先由测井曲线计算出地层反射系数,然后根据地震褶积模型结合地震数据提取出真实子波,其最大的优点就是可直接计算出真实子波而不需要对子波和反射系数进行假设,但是对地震资料井震匹配程度,测井数据的准确性依赖比较大；统计性子波估计方法是仅通过地震道自身的二阶或高阶统计特性来提取子波,该方法不需要测井数据,但需要对地层反射系数和子波做出一定的假设。本文主要针对测井处和井旁地震道进行研究。在测井数据已知的情况下,利用测井声波和密度资料计算出实际地层反射系数进行确定性子波估计。通过对地震褶积模型的观察,我们可以将地震记录的形成过程理解为,地层反射系数信号经过子波系统滤波后得到的输出信号即为地震道记录,并将褶积模型下的子波估计问题理解为自适应信号处理中的系统识别问题,从这个角度出发利用自适应滤波算法来估计出最优的子波。在自适应算法中,LMS类算法具有结构简单容易实现、计算复杂度低等优点,其最大的缺点就是收敛慢,而RLS类算法虽然能快速收敛,但其计算复杂,需要较大的存储空间进行矩阵运算,且存在数值不稳定。共轭梯度(CG)算法是一种在性能上介于LMS和RLS之间的算法,它在收敛快的同时具有较低的计算复杂度。因此,本文选择共轭梯度滤波算法来研究地震子波估计问题。通过对现有子波估计方法进行研究,针对子波估计的实际问题,提出相应的解决方案。针对在实际地震勘探中子波长度的不确定性,利用高阶累计量MA模型阶数判定方法粗略的估计出地震子波长度；考虑到大多数地震数据长度有限,提出利用递归块方法来提高共轭梯度算法的收敛性能,使得算法能在有限次迭代内收敛；传统的子波估计方法往往都是在背景噪声为白噪声或色噪声假设下进行的,考虑到地震勘探环境复杂,既有可能存在脉冲噪声的情形,结合M-估计算法提出针对非高斯噪声的鲁棒性子波估计方法；观察通过对实际子波波形的观察,我们发现子波能量比较集中,且存在较长的零区间,这里我们就可以将子波理解为稀疏或半稀疏信号,通过对目标函数加入估计子波稀疏性约束提高算法性能和子波的精确度。理论模型仿真和实际地震资料处理都表明,本文提出的算法能有效的抑制高斯和脉冲非高斯噪声,快速有效的提取出精确的子波。