海洋可控源电磁法是一种依据电阻率差异来探测海底地层状况的频率域电磁勘探方法,广泛应用于海底油气与天然气水合物的勘探中。海洋可控源电磁法信号幅值随收发距的增加近似指数衰减,中远收发距时信号较弱,极易受到噪声的影响,降噪是海洋可控源电磁法应用中十分重要的一环。目前降噪研究并不充分,本文提出针对噪声特征将形态学滤波算法引入降噪过程中;针对信号特征将压缩感知理论与字典学习算法引入降噪过程;针对储层特征引入随机森林算法,降噪的同时完成解释工作。形态学滤波通过构建特定的结构元素来探测信号中形态相似的成分,并在信号重构中剔除该成分,以达到压制噪声的目的。本文选用直线型与三角型结构元素,对含噪声模拟信号进行降噪实验,结果表明该方法能够成功地压制尖峰脉冲噪声。压缩感知是一种欠采样条件下的信号重建方法,通过将含噪声信号进行分解与重构,达到抑制噪声影响的目的。数值实验结果表明,在DST字典及DST-Wavelet字典下,重构信号对噪声压制效果较好。此外,本文还引入字典学习算法,并依据是否设定初始字典通过机器学习得到两种学习字典。数值实验结果表明,相对于传统字典与级联字典,学习字典具有更优的稀疏表达与更好的降噪效果。随机森林具有学习能力强、算法健壮性高、高维自适应等诸多优点,现已被成功应用于众多工程领域。通过对大量模拟数据的学习,能够生成适用于地下储层特征的随机森林模型,并在之后的数值实验中表现出优异性能。本文最后将形态学滤波算法、DST字典、DST-Wavelet级联字典、两种学习字典下的压缩感知算法代入现场数据的噪声压制之中,通过MVT曲线形态对比表明,压缩感知算法对现场数据的噪声有一定程度的压制作用,其中学习字典下噪声压制效果最好,而形态学滤波算法对现场数据的噪声压制效果不明显。在随机森林的现场数据应用方面,通过与Occam反演算法的对比,表现了算法的稳定性。