同步压缩小波变换(Synchrosqueezing Wavelet Transform,SSWT)是在小波变换(Wavelet Transform,CWT)基础上发展而来的时频分析方法,结合了重排算法的思想,可以获得较高的时频分辨率,同时可以实现信号的重构。文中基于CWT和重排算法系统地介绍了SSWT的方法原理,并通过示例对其时频分析效果和重构效果进行了分析。另外,针对与SSWT算法思想类似的几种改进和推广算法,如:压缩短时傅里叶变换、二阶压缩短时傅里叶变换以广义同步压缩变换等,文中对其方法原理一一进行了介绍,并用模型信号和实际地震信号进行了分析对比。由于SSWT以CWT为基础,因此也一样受测不准原理限制,针对这一问题,本文将互补集合经验模态分解(Complementary Empirical Mode Decomposition,CEEMD)与SSWT结合,首先利用CEEMD将信号自适应分解为一系列的经验模态分量(Intrinsic Mode Function,IMF),然后根据各个分量频率范围采用不同的压缩小波系数,最后将各个分量的时频结果相加得到原信号的时频谱结果,从而改善SSWT的时频分辨率。地震信号是典型的非平稳信号,SSWT可以获得良好的时频表征,因此该方法是对地震信号进行处理分析的有效工具。文中基于该方法主要研究了以下几个方面的具体应用:基于SSWT的谱模拟反褶积提高地震资料分辨率;基于SSWT的Q估计和反Q补偿衰减地震信号;基于SSWT的随机噪声压制以及利用SSWT进行低频阴影检测。通过模型和实际资料测试,并与其他方法对比,证明了该时频分析方法在地震资料处理中应用的有效性和优越性。