在地震勘探活动中,对人工地震信号进行去噪比几乎贯穿了当前地震资料处理的每个环节。地震资料信噪比高低,会影响地震数据的可靠性以及参数提取的精度。因此如何提高地震资料信噪比越来越成为人们努力的目标。本文主要研究了如何对地震勘探数据中的随机噪声进行清除的方法。独立分量分析是近年由盲信号理论发展起来的一种新的多维信号处理方法,在没有先验信息的情况下,将观测信号按照统计独立的原则建立目标函数,通过优化算法将观测信号分解为若干独立成分,从而帮助实现信号的增强与分析。地震信号中常常包含随机噪声,它是由各种不可预知因素综合作用而成,无统一规律。本文将ICA应用于去除随机噪声问题。在详细研究ICA算法的基础上,通过分析实际地震信号的统计特性,将地震信号去噪问题转化为含噪声ICA问题,建立随机噪声盲分离模型。以往的ICA算法未考虑噪声干扰,因此本文提出改进的稳健预白化算法,结合经过改进的固定点算法,解决了噪声环境下的ICA问题。根据噪声分布特性,分两个阶段去除不同类型的随机噪声。在预处理阶段去除了加性高斯白噪声。预处理后的数据采用改进的固定点算法,盲分离出有效信号和非高斯随机噪声。在此过程中,本文提出了对固定点算法迭代过程中较精确的初始值设定的问题,该方法能较为准确的设置初始值,使算法能提取有效信号。最后,通过仿真实验和对实际地震数据的处理,得到了满意的分离结果,较好地恢复了有效信号。此外,当实际地震资料加载了较强噪声,信噪比降低的情况下,采用本文算法进行盲分离,同样取得了良好的效果,这也再次验证了本文算法具有良好的稳健性和适应性。