地空瞬变电磁法（Grounded Electrical Source Airborne Transient Electromagnetic Method,GREATEM）具有探测效率高、成本低、分辨率高等特点,目前已被广泛应用于深部矿产探测、油气资源评价以及水文环境调查等领域。但由于地空瞬变电磁信号具有频带宽的特点,实际采集到的数据中易混有多种噪声干扰,严重影响信号质量,进而在后续数据处理中容易引起假异常,因此在对其进行数据反演前,需要采用合适的方法对接收到的数据进行去噪处理。奇异谱分析（Singular Spectrum Analysis,SSA）是近年来新兴的一种时间序列分析方法,同时也是一种半参数化的谱分析方法。SSA算法通过构造时滞矩阵、奇异值分解、重新分组和对角平均化实现对时间序列不同成分信号的提取。针对地空瞬变电磁信号的特点,本文提出采用SSA算法对接收的地空瞬变电磁数据进行去噪研究。首先,基于SSA算法开展了含高斯白噪声、工频谐波噪声、天电噪声以及混合噪声的地空瞬变电磁信号的去噪仿真实验,通过去噪前后的曲线对比以及信噪比、均方根误差等指标,证明SSA算法可以消除GREATEM信号中的噪声;同时,构造准二维大地仿真模型,通过比较去噪前后视电阻率剖面图的反演结果,证明了SSA算法可以消除由噪声引起的假异常。然后,针对SSA算法的参数选取问题,在基于迭代实验法分析不同窗口长度对算法性能影响的基础上,提出采用粒子群优化算法（PSO）,以排列熵为适应度函数对SSA算法参数寻优。结果表明:使用PSO-SSA算法能够实现对含高斯白噪声、工频谐波噪声、天电噪声以及混合噪声的GREATEM信号的信噪分离,去噪前后信噪比可提高30d B,均方根误差可达10-5量级。同时,通过与已有经典消噪算法进行对比分析,提出的算法能够获得更高的信噪比提升与更小的均方根误差结果,进一步表明了PSO-SSA算法的优越性。最后,开展了基于PSO-SSA算法的实测数据去噪处理实验。经本文提出的算法能够实现SSA参数的自适应选取,有效去除GREATEM信号中的复杂环境噪声;通过黑龙江省大兴安岭地区的实测数据处理实验,经PSO-SSA算法处理后,数据的反演结果更接近实际地质情况,进一步验证了本文算法的实用性。