随着我国油气资源勘探开发程度的深入,勘探目标渐渐由常规的构造油气藏向非常规、隐蔽、地层和岩性等复杂油气藏等过渡。这既是挑战,也是我们发展新的方法和技术以进一步完善对地下油气储层的认识和适应新勘探要求的契机。在这种前提下,地震勘探作为油气资源勘探的重要手段之一,其原有的采集、处理和解释技术都需要向提供更准确、更丰富和更高分辨率地下信息的方向发展。随着勘探区域的地下介质情况较以往更加复杂,地震信号的非平稳性往往也愈加明显。传统的谱分解技术是描述和分析地震数据非平稳性的常规工具,但已逐渐不能满足人们对新勘探环境下分辨率和精度的要求。传统的谱分解技术实际上可以视为基于一组具有时频局部性的基对地震信号进行分解,但由于基的选择及分解方式的选取等原因,其分解结果往往不够稀疏,这也是限制传统谱分解技术分辨率一个重要因素。本文认为如果能够选择与地震信号固有的时频属性更加吻合的基信号,并选取更加稀疏的分解方式,则地震信号可以被更加稀疏的分解为若干子成分信号,基于分解结果再计算时频分布能够一定程度上提高时频分布的分辨率。此外,本文所讨论稀疏时频分解不仅仅限于提高时频谱的分辨率,而是更关注如何从分解出的子成分信号中提取更多信息,获得更丰富的地下介质信息,增加解释能力,为生产和开发提供进一步的技术支持。本文首先回顾了经典的傅里叶变换和谱分解技术,并由此引出了地震信号稀疏时频分解方法。一组基信号(非正交基)的数目远多于信号维数,且具有时频局部属性的基信号的集合被称为过完备时频字典。本文列举了多种基本的过完备时频字典,并着重讨论了其中三种过完备时频字典,及相应的稀疏时频分解方法。因为这三种字典都比较复杂,且过于冗余,本文主要选择基于贪婪算法的稀疏时频分解方法。这三种过完备时频字典分别为传统的Morlet小波字典,本文新构造的衰减Ricker子波字典,以及由数学领域引入的EMD字典。上述三种过完备时频字典,由于其中原子性质的不同,各自描述地震信号的角度也不同。对于其中的每一种过完备时频字典,按照从认识到改进再到应用的顺序,本文会先从字典中原子信号的性质以及相应过完备时频字典的构造开始介绍,然后讨论适合该过完备时频字典的具体稀疏时频分解方法(本文中主要指基于贪婪算法的稀疏时频分解,下同),最后讨论其在地震数据处理和解释中的应用。本文讨论的第一种过完备时频字典为传统的Morlet小波字典。因为Morlet小波原子能够较好的表征地震子波在地下介质中传播时所发生的吸收衰减和频散现象,所以常被用于匹配追踪等常规的地震数据稀疏时频分解算法中。本文在现有的基于Morlet小波字典的单地震道匹配追踪算法和多地震道匹配追踪算法中引入了基于最小二乘问题描述的正交匹配追踪的思想,衍生出两种新的基于贪婪算法的稀疏时频分解方法,本文称为单地震道正交匹配追踪算法和多地震道正交匹配追踪算法,并指出前者为后者一个特例。结合合成地震记录和实际数据,验证了上述两种新算法能够更加稀疏地对地震数据进行时频分解。最后通过时频谱和频率切片等应用验证了基于Morlet小波字典的稀疏时频分解较传统谱分解方法能够一定程度上提高分辨率。本文讨论的第二种过完备时频字典为衰减Ricker子波字典。该字典中的原子是本文新提出的一种时频原子,通过在经典的Ricker子波的基础上加入了描述地震波吸收衰减的品质因子Q,从而使该时频原子能够表征传播过程中的时变地震子波。基于衰减Ricker子波字典,采用单地震道正交匹配追踪和多地震道正交匹配追踪的分解方式同样可以稀疏地分解地震数据。由于该原子的时频聚焦性不如Morlet小波,本文不推荐采用其描述地震信号的时频分布,而是利用基于该字典分解出的各个子成分信号所对应的参数Q,通过插值对地下介质中地震波的吸收衰减进行描述。与谱比法求取Q值等传统方法相比,这样估计Q值的方式不再需要假设地下介质为均匀吸收模型,且具有一定的自适应性。此外,应用基于衰减Ricker子波字典的稀疏时频分解方法对地震信号进行分解时,能够通过反推衰减前的Ricker子波的方法对地震波吸收衰减进行补偿,简便有效。本文讨论的第三种过完备时频字典为EMD字典。经验模态分解近年来被引入并广泛地应用于非平稳地震信号的描述中,但其分解方式仍是基于经验,缺乏有力的数学证明。实际上该方法也可视为一种基于极其冗余的过完备时频字典的稀疏时频分解。本文从数学领域引入了EMD字典,该字典从理论上指明了一直以来缺少数学依据的经验模态分解算法所对应的过完备时频字典。基于该字典的描述,本文另外从生物信号领域引入了一种新的稀疏时频分解方法——局部均值分解,并通过合成地震记录及实际地震信号进行测试,从分解方式和分解结果上比较了其与经验模态分解的异同,同时讨论上了述两种基于EMD字典的稀疏时频分解方法在计算时频分布和提取地震分量剖面等方面中的应用。基于上述的三种过完备时频字典,针对不同的研究目标和需求,选取不同的字典及配套的地震数据稀疏时频分解方法,即构成了本次博士论文中基于贪婪算法的地震数据稀疏时频分解方法的研究框架。