水声探测技术在水下目标监测等方面有着广泛的应用,水听器是获取水声信号的重要设备,但是由于海洋环境复杂,在采集水声信号数据时会不可避免地混入大量干扰信号,这些干扰信号会使得无法准确识别有用信号,导致对水下目标的分析产生偏差。为了准确的对信号进行监测、识别和定向定位,消除这些干扰噪声信号是重要步骤。本文分别在集合经验模态分解方法（EEMD）和变分模态分解算法（VMD）的基础上提出了EEMD-NLMS-SSA、EEMD-WT-SSA和RSO-VMD-SSA的去噪方法,并通过MEMS矢量水听器的实测信号进行验证,主要内容如下:（1）将信号通过EEMD分解方法分解后,利用奇异谱分析方法将分解后的本特征模态函数（IMFs）分量进行重构,然后设置期望信号,根据归一化最小均方误差算法（NLMS）中的递推公式使得重构信号逐步逼近期望信号,在仿真实验的结果上该算法有明显优势。（2）利用EEMD将信号分解为一系列IMFs,通过均方误差准则对其进行高频信号和低频信号的区分,对高频信号选择小波阈值去噪（WT）方法处理,处理后的高频信号和低频信号采用奇异谱分析（SSA）方法进行重构,最终得到去噪信号。通过在仿真函数中加入不同分贝高斯白噪声的仿真实验和实测实验表明,此方法能够有效的消除声源信号所包含噪声,具有较好的去噪效果。（3）利用鼠群优化算法（RSO）对VMD中的惩罚因子和分解层数进行优化,使其可以寻找到最优参数,对优化VMD后得到的IMFs分量,计算原始信号和每一个IMF分量的相关系数,将信号区分为含噪分量和噪声分量,对含噪分量采用SSA进行重构,舍弃噪声分量。通过仿真实验和实测实验,表明在添加不同分贝噪声后,相比其他对比算法,该方法在频谱图和均方根误差、信噪比等方面的效果都具有明显优势,能够有效去除噪声,具有一定的实用性。针对水声信号的去噪问题,本文提出几种新的联合去噪算法,结合时域频域图以及两个评价指标来看,文中所提算法对去除噪声和矫正基线漂移现象有较好效果,为水声信号的后续分析处理奠定了基础。