能源对国家的发展至关重要,我国能源需求仍会不可避免地继续增长。在这样的背景之下,勘探国内未探明的能源矿产资源就显得尤为重要。我国的塔里木盆地区域存在这许多未经勘探的地方,很有可能蕴藏着大量的未探明的能源矿产资源,因此需要对该区域进行勘探。由于塔里木盆地独特的地形和气候,通过地震勘探技术获取的沙漠地震资料中的有效信号能量极其微弱,噪声干扰的能量极强,导致地震资料的信噪比极低。同时由于沙漠地震资料中的有效信号和噪声干扰都分布在低频带,因此频谱混叠现象导致大量的有效信号被噪声干扰覆盖。因此有效压制噪声干扰,获取高质量的同相轴有效信号,提高地震资料数据信噪比等问题是地震信号处理领域的一大难点。由于沙漠地震资料中的噪声干扰具有高幅值、低频率、非线性和非平稳等复杂特征,传统的噪声干扰压制方法虽然可以在一定程度上压制沙漠地震资料中的噪声干扰,但是对有效信号的提取效果并不理想,无法满足高质量地震资料“高信噪比”、“高分辨率”以及“高保真度”的“三高”要求。近年来,深度学习的相关方法在信号处理领域崭露头角,所以本文针对上述问题,为了实现对沙漠地震资料中的噪声干扰进行有效压制,同时获取高质量的地震资料,本文提出了基于CAGAN网络的一种新的沙漠地震资料噪声干扰压制方法。CAGAN网络是将分类与检测中应用到的类激活图（Class Activation Map,CAM）引入到生成对抗网络（Generative Adversarial Network,GAN）中,构建出的一种新的深度学习网络。CAM可以通过卷积层和全局平均池化（Global Average Pooling,GAP）获取样本数据中的注意力权重,这些注意力权重引入到网络中可以提高整体的特征提取能力,优化输出的结果。CAGAN网络通过生成器网络与CAM结合,对大量的样本数据进行分析学习训练,获取这些数据深层的共通特征,通过损失函数和鉴别器网络的反馈,进行多次参数优化和迭代,最终构建出能有效压制沙漠地震资料噪声干扰的去噪模型。利用训练好的网络模型,对沙漠地震资料进行去噪处理,可以实现对噪声干扰的有效压制,获取高质量的地震资料数据。在本文的实验部分,本文方法进行了合成沙漠地震资料处理和实际沙漠地震资料处理,实验结果证明本文方法可以很好地压制沙漠地震资料中的噪声干扰,并获取高质量的地震资料数据,并且将本文方法与传统噪声压制算法和深度学习的去噪算法进行了比较。对比实验结果表明,本文方法相较于对比方法更能有效地压制沙漠地震资料中的噪声干扰,并且处理结果中的有效信号的保幅性和可分辨性也更好。