经验模态分解(EMD)方法对处理非平稳、非线性信号具有明显的优势。与传统的信号处理方法对信号进行全局性分析不同,该方法在描述信号的局部特征方面具有更加明显的优势,能更真实的反映不同时间和不同频率尺度上信号成分组成的能量分布规律。本文首先采用一种基于EMD的小波阈值去噪的方法对地震信号去噪,噪声信号一般包含在信号高频成分中,地震信号经EMD分解后对信号频率较高的前三个内模函数(IMF)分量进行小波阈值去噪[1],然后将所有IMF分量进行叠加构成去噪后信号。通过与普通小波阈值去噪方法比,基于EMD的小波去噪方法具有更大的信噪比,去噪效果更好。本文重点研究了地震信号的内模函数能量比和奇异值熵的特征提取。地震和爆炸的震源力学机制不同：地震是剪切源,爆炸是膨胀源[2],这两种震动波形的各个内模函数分量所包含的能量信息应该存在明显差异,通过计算各个IMF分量能量占波形信号总能量的比值,这个比值特征应该能够明确区分这两类不同的事件震源类型。奇异值是矩阵的固有属性,矩阵元素变化较小时,奇异值变化较小；不同IMF分量包含波形信号不同频率成分,各IMF奇异值反映了信号在不同频段的分布情况,熵值反映了这种分布的均匀程度,奇异值分布越均匀,熵值越大,反之越小。本文对天然地震和人工爆炸地震动波形提取这两种特征,对首都圈35个地震和27个爆炸事件进行特征提取并采用支持向量机(SVM)进行了识别实验,结果发现：内模函数能量比和奇异值熵特征能显著区分天然地震和人工爆炸波形事件,且内模函数能量比特征识别效果更好。最后基于内模函数能量比特征构造新的二次特征并采用“明灯一号”爆炸事件以及另外的62个天然地震事件进行特征提取和识别实验,识别效果都很好。本文认为：内模函数能量比特征和奇异值熵特征可以作为识别天然地震和人工爆炸事件的重要备选特征。