地震勘探是判断油气储藏情况的重要手段。目前,由于地表处或其他容易进行开采油气资源的区域不断较少,人们把勘探目标重心转移到地质构造复杂的、开采难度大的区域,比如沙漠区域。由于沙漠区域地质情况和勘探环境的特殊性,获取的地震勘探资料伴随着强沙漠随机噪声。另外,由于沙漠区域的复杂地理条件对地震信号的吸收衰减,地震反射信号能量较弱,沙漠地震资料信噪比（Signalto-Noise Ratio,SNR）较低。随着科学和勘探手段的进步,地震勘探任务对地质解释精度的要求不断提高,地震勘探人员对地震资料质量提出了更高的要求。因此,开发出一种从沙漠随机噪声背景中有效恢复地震信号、提高沙漠地震数据信噪比的去噪器是当前的首要任务。沙漠区域的随机噪声具有低频、非高斯、强能量、高幅值、非线性等复杂特性。传统的地震数据处理算法在应用于沙漠地震数据上虽然能够一定程度地提高数据的信噪比,但是去噪效果仍然不能达到高信噪比、高分辨率的要求。由于卷积神经网络具有在不同训练集上可以自适应提取特征与编码的优势,本文致力于利用它来抑制沙漠环境中地震数据的噪声。然而,随着深度的增加,网络可能面临着浅层对深层影响减小的问题,不利于复杂沙漠噪声的抑制。本文考虑网络模型的推理速度和特征提取性能两个方面,提出了一种基于特征增强去噪网络（Feature Enhancement Denoising Network,FEDnet）的沙漠地震资料噪声压制新方法。首先,本文设计一种新的特征增强的连接方式,以此来增加网络的宽度,融合不同卷积层的特征信息。该设计充分利用原始带噪输入和多层特征信息对网络的影响,所以有利于网络捕捉隐藏在复杂背景中的更多沙漠噪声特征。其次,本文将混合膨胀卷积设计融入到网络模型中,以改善感受野,这对于在去噪任务中获得更多的上下文信息起到了重要的作用。最后,本文还采用了残差学习技术来促进网络训练。除了设计网络结构,本文还构建了一组适用于沙漠地震数据去噪任务的训练集。由于噪声的类型和自身特征会直接影响网络的训练精度,本文采用在塔里木地震实际采集的沙漠随机噪声数据用以噪声集的构建。关于纯净信号集,本文采取Ricker子波,并进行合适参数的设置,包括子波的主频和弯曲程度等信息,以此尽可能地接近和表达出实际资料中信号的特征。最终的实验结果证明了本文训练集的有效性。本文选取Shearlet滤波、小波变换、带通滤波器三种传统的经典去噪算法,还有经典的去噪卷积神经网络（Denoising Convolutional Neural Network,Dn CNN）作为对比实验。在模拟记录去噪的实验中,本文的网络在信噪比提升和信号幅度保留上都具有较好的优势,尤其是输入记录在低信噪比的情况下,特征增强去噪网络能够提升信噪比在20d B左右。在实际记录实验中,四种对比算法都呈现出不同的去噪劣势,本文的算法仍能表现出最好的效果。