煤岩在受应力变形破裂时会以声发射信号的形式向外释放能量,通过分析煤岩破裂声发射信号的特征预测煤岩受力状态、煤与瓦斯突出的危险程度,并通过对煤岩体声发射源进行定位,预测突出位置,提前预测预报灾害,因此,声发射信号可作为矿井安全预警的研究对象。然而矿井环境下噪声多样,并且混杂着掘进开采时的破裂声发射信号,此类信号特征与灾害预警监测的声发射信号特征近似,且频谱重叠,因此,对于获取的声发射信号首先要去除掉各种背景噪声干扰,并进一步从混杂掘进开采时的破裂声发射信号中准确的提取有效应力作用下的煤岩破裂声发射信号,对于后续的工作尤为重要。在源信号以及各种干扰信号的混叠方式未知时,盲源分离方法成为一种自然的选择。本文的研究内容如下:(1)就煤岩破裂声发射信号产生机理、传播特性、时频特性进行分析,并对矿井环境下噪声来源及特点进行了分析。(2)在盲源分离方法中,重点分析了独立成分分析方法。关于算法应用时数据的预处理方法、独立判据和优化算法以及分离性能的评价指标进行阐述。最后对三种典型的ICA算法(Fast ICA、SOBI、JADE)的分离性能进行了仿真分析,结果表明,Fast ICA算法分离效果最佳,更适合对于预警监测的有效煤岩破裂声发射信号的准确提取。(3)针对传统ICA算法对含噪混叠信号分离效果不佳的劣势,采用小波去噪联立ICA的算法。为了最大程度上恢复源信号且不失真,按照先小波预消噪,然后ICA分离、最后再小波去噪的步骤进行。通过仿真实验,在小波基函数和分解尺度等参数选择合理时,信号的分离性能得到提高。因此,ICA结合小波阈值降噪的方法能改善声发射信号的提取性能。(4)小波降噪效果受小波基函数和分解尺度等因素的影响,其直接决定了最终的分离性能。基于ICA的稀疏编码收缩算法(SCS)在去噪时,直接利用信号的特征基函数进行降噪,对信号的破坏较小,避免了小波基函数的约束,尤其在信噪比较低的情况下,SCS算法降噪的优越性就突显出来。另外,这种算法适合于只有单通道观测信号的源信号提取。通过实验验证,基于SCS的ICA算法相比ICA结合小波去噪的算法,更适合强背景噪声环境下的煤岩破裂声发射信号的提取。