长周期大地电磁法(Long Period Magnetotellurics,简称LMT)是在大地电磁测深(Magnetotellurics,简称MT)的基础上发展起来的。由于没有低频的限制，长周期大地电磁的探测周期可以长达几十万秒，有效探测深度能够达到几百公里以上。随着近年来长周期大地电磁仪器灵敏度的提高和数据处理精度与速度的提升，LMT的有效性和可靠性已经大大提高了，成为了深部探测领域的重要探测手段。信号处理是信息科学中发展最迅速的学科，在各科学技术领域获得了广泛的应用。长周期大地电磁信号在时间域内最大的特点为数据量庞大，而在频率域则表现出频带宽、能量弱等特征。野外观测得到的长周期大地电磁时域信号需要经过必要的时域信号处理才能获得可靠的频谱信息，因此，必须要保证原始时域数据的完整性、以及数据的纯净性。针对保证数据完整性的方法，目前只有在数据采集过程中尽量保证所采集数据的完整性。而针对数据纯净性的方法，已有多种去噪方法：远参考法、数字滤波器、小波去噪、神经网络法、Hilbert-Huang变换以及广义的S变换，这些处理方式可以对不同噪声进行压制。但是对于噪声的滤除一直都是一个热点问题，所以探索更适合的去噪方法是长周期大地电磁时域数据处理的另一重要问题。针对以上两方面的问题本文分别从信号特征分析、缺失数据的预测填补、时域信号的噪声压制三方面进行分析研究，并实现了时域信号处理的可视化封装：（1）本文首先介绍了信号的分类以及信号处理的基本方法理论，并且，通过分析长周期大地电磁信号的时域和频域特征，表明了长周期大地电磁(LMT)数据具有采集时间长、数据量大、频谱频带较宽、能量幅值较小，极易受到干扰等特征。（2）本文提出了长期野外资料采集过程中存在的问题：长周期大地电磁资料采集过程中，由于温度、湿度等对仪器的影响或GPS搜星不正常，采集到的数据有时会出现时间序列“跳帧”甚至缺失的现象，提出将基于无激励的AR(p)预测模型应用于长周期大地电磁测深数据处理中。根据已知序列确定AR(p)模型阶数以及模型参数，建立正确的预测模型对缺失数据进行预测，并对比经过预测后的数据与实际样本数据的频谱，表明AR(p)预测模型可以解决原始资料的不连续问题，实现了LMT时域信号的完整性。（3）本文首先将长周期大地电磁时域信号中存在的典型噪声特性进行分析，并选用传统的褶积虑波对LMT时域信号进行处理，总结了褶积滤波器达到的去噪效果及其存在的问题。并基于褶积滤波的缺陷，结合小波分析原理和改进的阈值函数，采用改进的阈值函数对LMT信号进行小波去噪，并论证了改进阈值的小波去噪方法的良好去噪效果。（4）本文还针对长周期大地电磁数据处理过程的不可视问题，实现了时域数据处理系统界面的可视化，使得时域数据处理过程中，每一步处理都可以查看处理结果，为研究者即时发现处理过程中的错误提供了方便，也提高了资料处理效率。