Аннотация:Статья посвящена передовой методике выделения полезного сейсмического сигнала из сильнозашумленного исходного входного сигнала. Для этого предлагается использовать современную компьютерную технологию, основанную на вейвлет-анализе эмпирических данных. Основной целью данной системы обработки эмпирических данных является нахождение оптимальной аппроксимирующей зависимости между входными измеряемыми характеристиками и выходными требуемыми данными. Применение вейвлет-разложения сигнала позволяет выявить его особенности, несущие информацию об исследуемом объекте. В результате появляется возможность анализировать свойства сигнала одновременно во временном и частотном пространствах. Типовой метод подавления шумов - удаление высокочастотных составляющих из спектра сигнала. Применительно к вейвлетным разложениям это может быть реализовано непосредственно удалением детализирующих коэффициентов высокочастотных уровней. Но вейвлеты и нейросетевые классификаторы имеют в этом отношении более широкие возможности. Шумовые компоненты, и особенно большие случайные выбросы значений сигналов, можно также рассматривать в виде множеств локальных особенностей сигналов. Задавая некоторый порог для их уровня и, срезая по нему детализирующие коэффициенты, можно не только уменьшать уровень шумов, но и устанавливать пороговые ограничения на нескольких уровнях разложения с учетом конкретных характеристик шумов и сигналов для различных типов вейвлетов. Это позволяет создавать адаптивные системы очистки сигналов от шумов.