测井时,受测井仪器、地质化学等因素的影响,测井信号中存在一些与地层实际性质无关的噪声干扰。这些噪声干扰会影响测井信号的质量,如果噪声比例太差,就根本不能反映真实的地质信息。因此,为了保证测井信号的可靠性,必须去除这些无用的噪声,只保留能真实反映地层条件的部分。小波变换被认为是测井信号去噪研究中最合适的方法,而小波参数的抉择直接影响去噪效果,因此有必要设计一种算法来获得测井信号的最佳小波变换参数。在研究小波去噪和群智能优化算法的基础上,提出了一种基于改进粒子群优化小波变换的测井信号去噪方法,并对其在石油测井领域的实际应用进行了研究。进行了以下研究:（1）阐述了选择小波阈值去噪方法的原因,讨论了小波基函数、分解层、阈值和阈值函数四个参数对小波阈值去噪效果的影响。因此,利用粒子群优化算法对小波阈值去噪进行改进,实现最佳参数的选择。（2）采用随机惯性权重策略和自然选择机制对粒子群优化算法加以优化。研判了性能参数对对粒子群优化算法性能的影响,研究并总结了大多数研究者的改进策略,提出加以完善的粒子群优化算法。改进后,提高了粒子群算法搜索区域信息的利用率,升高粒子群算法的收敛速度,增强搜索优化能力,减少在整个迭代过程中陷入局部最优解的可能性。（3）将本文提出的去噪方法应用于石油测井套管深度识别。对测井信号进行预处理（去噪、标准化等）,提出一种基于高斯小波变换和对数变换的套管深度自动识别算法。利用在套管末端井径曲线和电阻率曲线的特殊响应来识别套管深度,并将这两条曲线初步判断的套管深度结合起来,根据其可靠性来判断最终的套管深度。与以往的判断方法相比,本文提出的套管深度识别方法能够以更快的速度准确识别套管端部深度,大大地提高了测井数据处理的效率。本文提出的改进方法有效地提高了测井信号的信噪比,减小了均方根差,实现了测井信号中噪声的有效去除,于应用中实现了81.8%的有效识别,节省了大量的应用时间。