煤岩在受作用力的情况下发生变形或断裂现象时,通过监测、分析释放能量的声发射信号变化情况,可推断煤岩体破坏程度,预测突出源位置,实现对煤岩动力灾害的预警,因此,声发射检测技术成为防治煤岩体动力灾害发生的研究手段。然而实际矿下作业环境嘈杂,导致监测到的灾害预警声发射信号中含有大量的噪声信号,降低预测煤岩体动力灾害发生的准确度。为此在强背景噪声下,本文对有效煤岩体声发射信号的提取方法展开研究。针对煤岩体声发射信号具有随机非平稳、易受噪声信号干扰的特点,在小波变换降噪的基础上,提出一种基于压缩感知理论的煤岩声发射信号降噪方法,利用有用信号和噪声信号的稀疏性对声发射信号进行降噪处理。该方法避免了小波变换滤波中选取阈值、小波基函数、分解层数对降噪效果的影响,有效地抑制了噪声信号的干扰,提高降噪精度。考虑煤岩破裂过程中产生声发射信号多样性,本文通过三种典型盲源分离算法对有效信号进行盲源分离研究。对比分析分离效果评价指标,发现经Fast ICA算法分离后的信号PI值相对较小,相似系数越接近于1,其分离效果最佳,适用于监测有效煤岩破裂声发射信号的准确提取。探究Fast ICA分离算法对含噪混叠信号分离效果的局限性,将信号降噪处理与盲源分离算法的结合奠定了基础。为改善盲源分离算法在含噪混叠信号中的应用效果,通过仿真实验,将信号降噪预处理后的混叠信号进行Fast ICA盲源分离研究,经评价指标对比分析经小波变换、压缩感知降噪预处理的分离效果,结果表明基于压缩感知的盲源分离效果优于小波变换滤波下的分离效果,信号降噪分离后的均方误差(MSE)、信噪比(SNR)和相似系数得到了良好改善,可用于背景噪声影响下煤岩破裂声发射信号的提取。该论文有图36幅,表9个,参考文献62篇。