地磁学是一门以观测为基础的学科。完整的高精度地磁数据不仅服务于地磁学本身更是地震研究、地质构造研究、地球深部研究和矿产勘探等研究领域的基础。自2008年我国数字化地磁观测台网建成以来,虽然大批量高精度的数据得以积累,但同时观测台网中大部分地磁台站正受到外界人工电磁干扰源的干扰。由于干扰形态复杂,干扰时间不规律和干扰与正常磁扰叠加给数据处理造成了困难,截止目前未形成统一的观测异常辨识和处理方法,导致产出的地磁观测数据质量下降,应用效能降低。本文系统分析了各种典型观测异常时间特征,在对变化磁场时间域和频率域特征分析的基础上,提出了基于时频的观测异常识别方法,将观测异常区别于正常磁扰进行识别,并针对受干扰观测数据和数据记录中造成的缺失数据进行数据重构,保障数据的完整性及可用性。论文的主要研究内容包括：1.秒采样数据(以下简称秒数据)频谱分析。秒数据因其采样最高,覆盖频段最宽,是本文研究所用数据。将短时快速傅里叶变换方法应用于地磁秒采样数据,系统分析了秒数据频谱的时空分布特征。2.变化磁场时、空及频率分布特征研究。系统分析了变化磁场在时间、空间和频率域内固有的变化特征。变化磁场每日随时间呈现出规律的日变形态,不同地方时磁场活动程度不同,在同时还存在显著的27天重现性和季节变化。空间上随纬度增加,振幅增大,随经度呈现双峰双谷变化特征。变化磁场在频率域内呈现出固有的低频能量集中且高于高频的特点。基于时域和频域的变化特征,本文提出将时间和频率共同考量的观测异常辨识方法。3.观测异常识别方法中的参数确定。通过数据仿真,模拟不同信噪比情况下不同幅度的观测异常所对应阈值及异常参数的变化,结合台网观测异常现状,确定异常提取算法中的各项参数。对异常提取算法进行检验后将该方法用于所选秒数据台站,并按时间和频率进行遍历,将观测异常区别于正常变化磁场提取出来。根据识别结果分析了台网中由于环境干扰、仪器故障和震动异常等原因造成的典型观测异常。4.数据重构方法研究。将空间加权法和误差反向传播神经网络训练法(Back-Propagation Network)用于观测异常和记录缺失的数据重构,通过数据仿真,重构数据和原始记录数据吻合程度较高,重构残差较小。从时域和频域验证了空间加权法和BP神经网络法在重构地磁数据上的有效性。并将其运用于实际干扰数据和缺失数据重构,取得较好效果。