煤炭在我国能源中占有很大比例，储量丰富。但是，在煤炭开采过程中，由于开采技术和管理模式不当，致使开采效率低和造成极其严重地资源浪费，并且安全事故经常发生。资料表明，冒顶事故占居煤矿各类事故之首。为了防止冒顶事故发生，对顶板进行检测就显得非常重要。　　敲帮问顶是检测顶板安全的一种重要方法，通过入耳听觉系统具有抗干扰能力强和实践工作经验相结合来准确地判别顶板是否安全。但是，这方法对工作人员要有较强地听觉判别技能和危险性。针对上述的缺点，本人对顶板敲击声音信号进行研究，并且结合“敲帮问顶”的方法，提出了运用人耳听觉模型对敲击声音信号的特征进行提取的方法，利用设计的支持向量分类器对煤矿顶板状态进行检测。本文的研究内容及成果如下:　　首先，建立一个与人耳听觉系统相对应的数学模型。并将人耳（主要指耳蜗基底膜部分）的滤波功能运用Gammatone滤波器来实现。仿真结果:该滤波器组能够对信号进行准确无误地分解，符合耳蜗基底膜的分频率滤波功能。　　然后，通过对传统小波包的特征提取方法进行研究，发现传统的小波包对信号进行细化分解时，存在一定的盲目性。针对此缺陷，结合了顶板敲击声音信号的频率分布特点，提出了改进小波包的顶板敲击声音信号特征提取方法。并通过已建立的人耳听觉模型对人耳听觉谱特征提取进行研究。　　而后，采用RBF-SVM模型对煤矿顶板状态进行预测。利用粒子群算法和遗传算法分别对惩罚参数C和核参数σ进行优化，仿真结果:粒子群算法在搜索最优解的速度快于遗传算法。　　最后，利用设计的RBF-SVM模型分别对小波包技术和入耳听觉技术提取的声音特征进行分类。分类结果表明:基于听觉模型的特征提取方法对顶板敲击声音信号特征的识别率高于小波包的特征提取方法。