随着煤矿开采深度的不断增加,采场地应力增高,煤与瓦斯突出、冲击地压等煤岩动力灾害日益加剧,严重威胁着煤矿企业的安全生产。目前,高精度微地震监测工作已成为煤岩动力灾害监测预警与机理研究的重要手段之一。然而,由于井下监测环境极其复杂,微地震检波器拾取到的信号不仅面临着有效数据缺失的问题,而且极易受到外部环境或仪器内部随机噪声的污染,严重干扰后续微地震数据的处理和解释,对矿山动力灾害预测与预警产生巨大影响。针对这些问题,本文着重对微地震信号中随机噪声压制的方法及高精度的微地震信号恢复重构算法展开研究,主要包括以下四方面内容:(1)研究微地震信号中随机噪声的压制方法。微地震信号中的噪声具有明显的随机非平稳特征,对微地震信号的精确拾取等后续工作产生极大干扰。传统降噪方法大多基于信号服从高斯分布这一前提,但由于微地震信号具有高噪声、持时短、突变快等非平稳特征,应用传统的傅里叶变换、小波变换等降噪方法对微地震信号进行降噪,效果不佳。基于此,本文选择经验模态分解(Empirical Mode Decoposition,EMD)方法作为微地震降噪处理的主要方法,弥补传统方法在非平稳信号降噪方面的缺陷。(2)提出一种基于改进EMD的微地震信号降噪算法。传统的EMD降噪方法在分解结束后,舍弃高频区含噪声较多的分量,重构剩余分量就可以实现降噪。但是直接舍弃高频分量容易造成部分高频有效信号的丢失,导致降噪后的信号不能很好地保留原始信号的高频特征。对此,本文结合小波阈值算法提出一种更有效的EMD降噪算法,对高频含噪声的信号分量进行小波阈值处理后再参与重构,不仅有效的压制随机噪声的干扰,而且最大限度地保留了原始微地震信号的有效信息。(3)针对传统压缩感知(compressed sensing,CS)算法中,由于微地震信号稀疏表达能力较差而导致信号恢复重构效果不好的问题,提出了基于压缩感知理论的信号恢复改进策略。本文从压缩感知理论体系基础知识出发,充分考虑微地震数据的非线性、复杂性等特点,尝试从信号本身的特征入手,以传统压缩感知信号重构方法的不足为突破口,建立一种改进的一维微地震数据恢复重构模型,以弥补微地震信号稀疏性较差的问题,实现高精度重构。(4)设计对比实验,通过观察实验后的微地震波形及频谱分布,对比实验后的信噪比、标准差、能量比及相关系数等评价指标,验证上述改进算法在压制随机噪声方面及缺失信号恢复重构方面的可行性及有效性。