瓦斯灾害一直是我国煤矿安全的重大隐患,瓦斯事故频繁发生给企业生产造成了极大的损失,同时威胁着矿工的生命安全,这就需要对瓦斯进行监控。瓦斯信号传输中的脉冲干扰信号常常造成误报警,引起的误报警自动切断井下的电源,生产被迫停止,影响了正常的生产也麻痹了工作人员的安全意识。大数问题一直困扰着煤矿生产,本文依托江西省研究生创新基金,对瓦斯中的大数问题以及信号处理问题立项展开研究。主要做了以下研究:(1)由于大数干扰是一种非线性的数据脉冲,本文选取了BP神经网络对监测中异常数据进行滤除。选取了某矿大量的监测数据作为样本点,对采集的数据进行分析,建立了BP模型,选取各层的权值和函数,选取最优参数,最终对模型进行了进一步的改进,并对模型进行了测试和训练,得到最终的滤波图。为了突出滤波效果,本文还采取CME算法对样本滤波,对比两种智能算法的滤波效果。对比发现本文提出人工神经模型高效的滤除了瓦斯监测中的大数干扰,同时保留了真实的瓦斯突出信号,是合理的模型。(2)本文尝试将免疫理论运用在滤波器中,针对传统LMS算法的不足进行改进,分析了线性自适应滤波器的基本原理以及各参数对滤波器性能的影响。设计免疫算法进行参数优化,并设计一个自适应陷波器以及自适应谱线增强器,给出了算法中关键参数?的优化结果,仿真出滤波效果,结果显示成功滤除了噪声干扰。