随着世界油气需求的持续增长,油气作为不可再生资源逐渐被消耗,低渗透储层油藏逐渐成为提高石油产量的重要方式。水力压裂是勘探低渗透油田的有效评价手段,而微地震监测作为一种低渗油气田压裂监测方法备受关注。常见的微地震监测技术有地面监测和井中监测两种不同实现方式。其中井中微地震监测信号具有能量弱、信噪比低以及频率高的特点,提高监测记录信噪比已成为后续信号处理必不可少的步骤。而由于传统的滤波方法在处理这类特点信号时适应性较差,因此,开发一种快速、便捷、精度高的微地震信号噪声压制方法,以尽可能的缩短监测时间,提高监测数据的信噪比,符合现代微震监测技术的需求显得至关重要。Shearlet分解是近几年发展起来的一种新型多尺度几何分析技术,它同时也是多维函数的一种接近最优的稀疏表示方法。此外Shearlet分解可以和多分辨率分析关联起来,其连续形式与离散形式的出现,为其应用奠定了深厚的基础。基于其优秀的性质,本文结合Shearlet分解与硬阈值函数对井中微地震数据进行噪声压制,并与小波变换及硬阈值函数对比。由于Shearlet分解在二维空间上的优越性,该算法有效的提高了微震数据的信噪比,并保留了有用信号。但是由于井中微地震信号频率高、能量弱的特点,在Shearlet域内信号和噪声系数很难通过简单的阈值函数区分开。因此本文利用井中微地震信号及Shearlet分解的性质,提出了基于Shearlet稀疏分解与压缩感知算法。考虑到微地震信号经Shearlet分解后,有效信号在各尺度的集中情况是不同的这一特点,本算法首先对变换域各尺度系数的能量谱及频谱的分析,将系数分为噪声集中的低频尺度和有效信号集中的高频尺度。针对低频尺度信号,由于有效信号较少,大部分为噪声,因此使用简单的硬阈值函数即可实现噪声压制。而针对高频尺度信号,有效信号集中较多,考虑使用观测矩阵来对信号进行测量,实现降维的目标。在这里,系数变换为Shearlet分解,观测矩阵为与Shearlet基函数不相关的矩阵。进而压缩感知利用有效信号在Shearlet域下具有稀疏性,而噪声却没有稀疏性可言这一条件,完成对有效信号的重构,进而可以自适应的恢复出纯净的有效信号。本文在研究了井中微地震信号及Shearlet变换特性的基础上,构建了基于Shearlet稀疏分解与压缩感知算法的微地震噪声压制方法。通过模拟仿真微地震信号与实际微地震数据试验,验证了此改进算法的有效性。