提高地震资料的信噪比和分辨率一直是地震资料处理过程中的两个重要环节。传统的地震信号去噪方法一般都要求有效波具有相似性,且满足一定的信噪比,条件苛刻,因此,研究能够突破传统假设前提限制的去噪方法具有现实意义。反褶积技术是提高地震勘探分辨率的重要手段,但传统的反褶积技术必须事先确定地震子波。由于地震子波的时、空变特性,仅靠地面地震资料很难准确提取地震子波,因而限制了反褶积技术的应用。新近发展起来的盲源(Blind Source)信号理论基于源信号的信息基本未知以及先验假设和约束匮乏,而仅靠对观测到的混合信号的剖析和研究便可分离出盲源中的各个分量。藉此发展出了盲信号分离方法(Blind Signal Separation)和盲反褶积(Blind Source Deconvolution)方法等,能够分别较好地解决以上问题。独立分量分析(Independent Component Analysis,简称ICA)是盲信号分离方法中的一种非常有效的算法。本文以此为基础,在地震信号盲分离去噪和地震盲反褶积两个方面展开方法研究。首先,对盲信号分离的相关理论基础和方法分类进行简述,并对独立分量分析算法进行重点分析和研究。其次,采用线性瞬时混合算法模拟出含随机噪声的地震信号,并采用快速独立分量算法实现有效信号和噪声信号的盲分离,分析了分离结果的不确定性,探索了解决方案。对不同信噪比的情况进行实验分析,探讨了应用此算法的影响因素。并尝试对实际叠后地震资料进行盲分离去噪处理,收到了一定的效果。最后,通过时间延迟变换,将地震记录信号的褶积混合模型改写成线性瞬时混合模型以适应盲信号理论的要求,并采用快速独立分量分析算法来进行地震盲反褶积,对相应的盲反褶积算法和效果影响因素进行了探讨及改进。单道地震记录和多道楔形模型地震记录的试算效果表明,对于不同相位的地震子波,盲反褶积方法均可实现地震反射系数和地震子波的有效分离,具有较好的应用前景。图43幅,参考文献48篇。