为了更好地展示信号中所包含的细节信息内容,不仅研究信号与时间的映射关系,还要揭示信号与频域成分之间的关系。前人的研究发现,信号中的高频成分与本身细节信息的分辨率联系紧密,而采集得到的信号常常受周围环境影响,部分高频成分缺失。为了根据信号自身的特点自适应地提高分辨率,本文对信号进行多尺度分解之后提出两种新方法:一是CEEMD-相关系数阈值振幅补偿方法;二是外推多分辨率奇异值分解方法。具体研究内容如下:(1)本文系统研究并对比了谱白化、反Q滤波、反褶积三种经典地震资料处理方法,并选择了其中两种方法与本文新方法进行效果对比,体现本文方法的分辨效果及自适应分解优势。(2)互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法能够用单分量多尺度表征信号,却未说明单分量与原信号的关系。而皮尔逊相关系数可以把两个变量的相关程度用具体数值大小进行表示。根据原信号、单分量的数值特征改进皮尔逊相关系数的计算方式,结合做差法、高频振幅补偿法,本文提出CEEMD-相关系数阈值高频振幅补偿方法。该方法首先求取信号的频谱以确定阈值集合G;然后利用CEEMD对信号进行分解得到相应的单分量,利用相关系数计算每个单分量与原信号的紧密程度;接着对相邻单分量的相关系数做差,找到阈值的位置,即原信号真实信息与虚假信息的突变点,去除噪声等虚假信息;最后重构包含信号真实信息的单分量得到新信号,并用阈值集合G对其进行高频振幅补偿处理,提高信号分辨率。本方法具备严格的理论基础,阈值集合G是根据信号自身的频谱确定,让高频振幅补偿更有效。相关系数阈值方法可以减少噪声等虚假信息对高频振幅补偿的影响。(3)多分辨奇异值分解方法(Multi-Resolution Singular Value Decomposition,MRSVD)可以多尺度展示原信号的细节信息。且奇异值分解的实质是旋转和缩放两个过程。受高频振幅补偿法和反褶积思想启发,结合拟合函数及最大方差模等数学方法,本文提出外推多分辨率奇异值分解方法(Extrapolated Multi-Resolution Singular Value Decomposition,EMRSVD)。该方法首先用MRSVD方法对信号进行分解得到一系列细节奇异值;然后用指数函数在最小平方意义下拟合原有细节奇异值的特征,再利用函数迭代外推高频奇异值,构造相应的细节信号;最后在最大方差模的控制条件下,将构造的细节信号累加到原信号,得到高分辨率处理的结果。EMRSVD基于信号本身的特征来自适应外推其高频部分,不仅保留原信号的低频信息,高频信息也得到了合理的补偿,整个信号的分辨率提高。指数函数的引入让不同信号的拟合函数由自身的特征得到,减少了拟合误差。同时修正方差模的引入避免增加过多的噪声,使信号处理前后的信噪比几乎保持一致。将两种自适应高分辨率处理新方法分别应用到地震资料处理中,处理效果表明两种方法都可以较好的提高信号的分辨率,较好地显示信号的细节信息。而且EMRSVD方法处理效果较传统的谱白化、反褶积方法处理效果好,在没有增加地震噪声的情况下,整个剖面的信息变得清晰,能够更好地分辨薄层。本文两种方法不需要研究者依靠经验设定参数,完全自适应完成,可以为信号处理和解释工作奠定良好的基础。