随着地质勘探的不断深入,勘探目标区域日益复杂,采集到的地震数据极易受到随机噪声的干扰。同时,在处理地震数据过程中,也不可避免地会引入随机噪声。采集的地震数据中所包含的随机噪声以及相干噪声会很大程度上降低地震数据的信噪比,也会影响到对后续的地震资料分析和对目标区域地质环境的判断。因此,对地震数据进行降噪处理就成为地震数据分析处理的重要环节。针对地震数据中随机噪声降噪方法展开研究,主要包括以下四方面内容:(1)研究地震数据中随机噪声的降噪方法。地震数据中的噪声含有非平稳特征,给地震数据后续处理带来极大的干扰。应用传统的小波、Curvelet阈值等降噪方法对地震数据进行降噪时,效果并不理想。针对这个问题,引入基于稀疏表示的地震数据降噪方法。本文选择二维经验模态分解(Bidimensional Empirical Mode Decompostion,BEMD)和Shearlet变换作为降噪的主要方法,并对两者的基础理论进行分析,为后面降噪方法的提出和实验的设计提供理论基础;(2)提出一种基于BEMD和Shearlet变换的联合降噪方法。传统的小波、Curvelet阈值等降噪方法在降噪时,只采用单一的降噪方法,无法根据地震数据噪声在各频率段内分布状况进行处理,从而降噪结果中含有“伪影”、降噪不彻底、有效信息丢失等现象。针对这一问题,本文结合BEMD方法和Shearlet阈值法提出一种联合降噪方法;首先通过BEMD将地震数据分解为一系列频率由高到低分布的IMF(Intrinsic Mode Function,IMF)分量;然后使用Shearlet阈值法对含噪高频IMF分量进行降噪处理。该方法兼顾BEMD和Shearlet变换的优点,不仅有效的去除噪声,而且保留地震数据中有效信息,提高地震数据的降噪质量;(3)在对BEMD处理后的含噪高频IMF分量进行降噪时,需要正确区分噪声主导分量和有效信息主导分量的阈值点,针对这一问题,使用傅里叶频谱图对含噪地震数据的各IMF分量进行频谱分析,得出噪声主导分量和有效信息主导分量的分界点,并使用各IMF分量自相关分析后的相关系数对其进行进一步验证。(4)使用Shearlet阈值法对信号进行降噪时,阈值的选取对降噪结果有着重要的影响,传统的阈值无法考虑到Shearlet各尺度与阈值之间的相关性,引入与尺度相关的阈值,提高降噪结果的质量。通过对实验数据处理,对降噪后地震数据的峰值信噪比和均方根误差进行分析,结果表明上述算法在去除噪声的同时能更好地保留地震数据特征。