煤矿微震信号中包含了大量的煤岩体破裂信息,能够为冲击地压等煤矿动力灾害的监测预警提供依据。但是由于人为和环境等各方面因素的影响,采集到的微震信号往往会掺杂着爆破、机械振动等干扰信号及其它背景噪声,这将直接影响微震监测及震源定位的结果。因此,煤矿微震信号的识别方法研究具有重要的意义。本文针对现有微震信号识别方法准确率低这一问题,重点对微震信号识别中降噪和特征提取两方面进行改进。论文的主要研究内容与成果如下:(1)在微震信号降噪方面,针对小波分析和经验模态分解降噪时存在的主要问题,将局部均值分解(LMD)和小波包降噪方法相结合,提出了一种改进的微震信号降噪方法。该方法采用LMD对微震信号进行分解得到各乘积函数分量,利用原信号与各乘积函数分量之间的相关系数找到噪声与信号主导分量之间的区分点,然后再用小波包对噪声主导的各乘积函数分量做降噪处理。通过对来自煤矿的微震数据进行仿真实验,并将实验结果分别与LMD降噪方法和基于LMD的小波阈值降噪方法进行对比,实验结果表明:本文所提出的降噪方法较对比方法具有较高的信噪比和较低的均方根误差,降噪效果比较理想。(2)在特征提取方面,针对分形盒维数只能对微震信号进行整体性描述而忽略局部特征的问题,结合多重分形谱特征,提出了一种改进的微震信号特征提取方法。该方法主要研究了煤矿微震、爆破和机械振动信号的分形盒维数和多重分形谱特征,分析并从中提取出差别较大的7种参数作为信号特征。根据建立的7维特征向量,利用支持向量机对降噪后的煤矿微震、爆破和机械振动信号各100组进行训练和分类识别,实验结果表明:本文方法能够正确识别煤矿微震信号,且识别准确率达到了 94%,较已有的两种识别方法分别提高4%和2.33%。本文所改进的方法提高了微震信号识别的准确率,为煤矿微震信号识别提供了一种新的思路,对煤矿井下精确的微震事件定位及冲击地压等煤岩动力灾害预警有着重要的指导意义和应用价值。