随着地震勘探目标从构造型油气藏向岩性油气藏转变，从地震数据中获得更多可靠且具有明确地质含义的属性信息，然后充分利用这些属性信息对储层的岩性或者岩相进行分析，这种需求变得更加迫切。　　AVO反演技术能够从振幅随炮检距的变化中直接提取纵波速度、横波速度以及密度等信息来估计岩石和流体的性质，从而对储层进行预测。然而，由于AVO反演本身是不适定的，以及地震纵波反射系数对横波速度和密度的不敏感性，单纯利用纵波地震数据会造成的反演结果误差较大。随着地震数据接收和处理技术的发展，越来越多的学者开始对PP-PS联合反演方法进行研究并在实际资料中进行了运用。结合转换横波地震数据的联合反演在一定程度上提高了反演的精度，缓解了反演解的不稳定性，但是在信噪比较低的情况下，联合反演并不能得到更好的结果。本文基于正则化理论，提出了基于粒子滤波的贝叶斯联合反演以及基于粒子滤波的原始对偶内点法，分别从统计的不确定性反演和代数确定性迭代反演两方面研究正则化对反演结果的影响程度。　　贝叶斯框架下的AVO三参数反演利用多种信息反演获得纵波速度、横波速度和密度的后验分布。其中，先验模型作为正则化项精确能否模拟地下介质分布，将极大影响反演结果。粒子滤波是一种贝叶斯递归方法，结合了先验信息与观测数据的影响，并以加权粒子的形式表达任意形状的后验分布，能更加真实地描述地下模型参数的分布情况，可以为贝叶斯联合反演提供更加准确的先验模型。本文建立了基于L1范数的AVO联合反演模型，利用原始对偶内点法对问题进行求解时，引入粒子滤波为反演提供初始值。　　本文将上述两种方法运用到了不同的模型中，通过比较分析，证实了新方法相比于传统反演方法在不同信噪比资料中，均可以不同程度提高反演解的精度。