我国的非常规油气资源储量十分可观,但由于缺少成熟的勘探与开发手段,所以如何对其进行有效地开发和利用已经成为油气勘探领域中重要的研究课题。微地震监测技术可以精确地探测、定位地下致密气、页岩气等非常规油气资源,因此具有广阔的应用前景,但是由于采集条件的限制,微地震监测过程中采集到的数据往往是不规则、不完整的,并且信噪比较低,对微地震信号的处理与解释造成严重的影响。因此在实际工作中需要用特别的方法对欠采样的微地震信号进行恢复重构与去噪,得到完整的信号。本文基于这一问题,将近几年在信号处理领域中新兴的压缩感知理论应用到微地震信号的重构中,并对重构效果进行研究分析。压缩感知理论突破了Nyquist采样定理对原始信号采样率的限制,选取特定的测量矩阵和重构算法,只需较低的采样率就可以实现对原始信号高精度的重构。本文采用具有局部性和各向异性的曲波(Curvelet)变换作为压缩感知方法中的稀疏变换,分析证明了它对微地震信号具有很好的稀疏效果。基于Curvelet变换的阈值去噪方法在微地震中应用较少,本文将其引入微地震监测中并取得了理想的去噪效果。凸集投影(Projection onto Convex Sets,POCS)迭代算法是压缩感知重构地震信号中常用的方法,目前POCS算法采用的阈值模型多数为指数阈值模型,本文将图像信号处理中常常使用的数据驱动模型进行改进并应用到微地震信号中。相较于指数阈值模型来说,改进后的数据驱动模型具有更快的收敛速度,能用较少的时间得到理想的重构效果,通过实验证明了该改进阈值模型的可行性以及在实际微地震资料处理中的应用价值。