随着社会经济的高速发展,向地球深部索取资源变得愈发重要。大地电磁测深法作为一种主流的勘探地球物理方法,在地质结构解析、寻找深层盲矿体等方面起着至关重要的作用。由于天然大地电磁信号具有频带范围宽、信号微弱的特点,采集时极易受到人文电磁噪声的干扰。因此,如何将实测大地电磁数据中的强干扰剔除,提取大地电磁有用信号成为电磁勘探领域一项重要的研究课题。本文将稀疏表示和字典学习引入至大地电磁数据处理,主要开展了以下三个方面的研究工作:（1）针对传统稀疏表示算法适应度不够、处理效率低的问题,将模糊熵参数与分段正交匹配追踪算法相结合,对传统预设超完备字典的稀疏表示方式进行改进,提出自适应分段正交匹配追踪算法。使用模糊熵参数来控制稀疏表示算法的稀疏度,提升数据处理的效率和噪声压制的精度。（2）针对传统稀疏表示算法无法根据待处理数据自适应更新超完备字典的问题,从大地电磁数据的噪声形态出发,将K-SVD字典学习引入至大地电磁噪声压制,从而实现根据待处理数据实时更新超完备字典。实验结果表明,基于K-SVD字典学习的大地电磁噪声压制方法能有效剔除实测大地电磁数据中的复杂电磁干扰、保留低频有用信号。（3）针对K-SVD字典学习存在特征学习不充分的问题,对稀疏编码算法进行优化,并进一步改善字典更新的策略,提出基于改进K-SVD字典学习的大地电磁数据处理方法。实验结果表明,该方法在学习待处理信号特征能力方面得到了大幅提升。