地下矿山微震信号包含着岩体内部状态变化的丰富信息,对矿山采集的微震信号进行准确而快速地分析和辨别,对于评价岩体稳定性和地质灾害预测预报具有重要意义。利用快速傅里叶变换、小波包分析(WPD)、经验模态分解(EMD)及震源特点着手分析微震信号,得到以下结论:微震事件主要分为爆破震动信号、岩体破裂信号(大能量矿岩破裂和小能量岩体破裂)以及干扰信号(电干扰和机械干扰)的综合分类方法,初步建立了微震信号数据库;爆破震动信号的能量主要集中在频带13至频带16等区域;岩体破裂信号和机械干扰信号的能量主要分布在频带1至频带4等区域,并在频带7内部分集中;电干扰信号的能量集中分布在频带1至频带4等区域;IMF1、IMF2分量是岩体破裂信号、电干扰信号的主要频段,IMF1-IMF3分量是机械干扰信号的主要频段,IMF1-IMF4分量是爆破震动信号的主要频段。提出了基于小波包分析和奇异值分解(SVD)、经验模态分解和奇异值分解(SVD)两种提取爆破震动信号、岩体破裂信号、电干扰信号和机械干扰信号特征的方法,并以相应奇异值为特征值,对比分析了两种特征提取方法下的微震信号分类结果,并利用线性判别法建立了四类信号的判别模型。结果表明:在相同种类量奇异值作为特征值的情况下,WPD-SVD特征提取方法的信号正确识别率普遍比EMD-SVD方法正确率高;线性判别模型的分类正确率达到94.5%,满足了微震事件分类的需求。为了实现信号的实时在线处理,以可视化编程软件LabVIEW为基础,将小波包分析、奇异值分解和数学判别模型相结合设计出了识别矿山微震信号的软件,满足了微震信号自动分类的需求。