摘要:针对矿山微震与爆破振动信号自动识别难的问题，提出了基于经验小波变换_Hankel矩阵_奇异值分解(EWT_Hankel_SVD）的矿山微震信号特征提取及分类方法。首先，针对微震信号的瞬态性和多样性，对EWT频谱分割方法进行改进，并利用仿真信号表明了方法的有效性。其次利用改进EWT对实际矿山采取的微震和爆破振动信号进行分解，借助相关性分析筛选得到f1～f5 5个主分量，进而分别利用分量f1～f5构造Hankel矩阵，计算各Hankel矩阵的最大奇异值和奇异熵。最后利用遗传算法优化的支持向量机（GASVM）对微震和爆破信号进行分类识别。结果表明，爆破振动信号分量f1～f4的奇异熵要大于岩体微震信号分量f1～f4的奇异熵，爆破振动信号分量f1～f5的最大奇异值要大于岩体微震信号分量f1～f5的最大奇异值。改进EWT识别效果要优于传统EWT和经验模态分解，GASVM识别效果要优于支持向量机、逻辑回归和Bayes判别法，且基于EWT_Hankel_SVD和GASVM分类准确率达到94%。