由于人类在地球上的密集活动范围及强度不断增大,影响了地震观测记录的质量,地震观测台网记录到的地震信号中包含了很多人工地震,如矿山爆破、地下核试验等。这些事件的记录,如果不能及时的予以识别和筛选出来,会让人误以为这些事件是强震的前兆,混淆依此记录所建立的地震目录,影响日后地震学的研究工作。因此连续地震信号中的天然地震和人工爆破的识别分离有助于破坏性构造地震的监测预警,有助于小当量核试侦察,对地震学的研究,对维护国家利益,保卫世界和平都有重要的意义。在天然地震和人工爆炸事件的分类识别中,如何提取出有效的识别特征是整个识别过程中的关键性问题。人们对此进行了广泛的研究,提出了多种识别判据,但是由于地震信号本身的复杂性,这些识别判据的适用性仍有很大的不足。为此,本文研究了从天然地震和人工爆破事件的波形记录中提取出广泛适用的波形特征,以用于对它们的有效识别。为了使波形特征能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响,本文在数据集的选取上有意识地选择了不同台站、不同震级的天然地震与人工爆破事件的波形记录来进行实验验证。论文中首先对天然地震记录信号及人工爆破记录信号分别进行了4层小波变换(包括离散小波变换、静态小波变换和小波包变换),然后对变换得到的小波变换系数进行波形特征提取工作,本文中提取了三种不同的波形特征(能量比特征、香农熵特征和对数能量熵特征)。最后在Matlab中利用支持向量机(Support Vector Machine,SVM)算法对各种特征的分类能力进行了检验。实验结果表明,小波变换后提取出来的小波系数的香农熵特征能很好地表达天然地震与人工爆破之间的本质区别,利用支持向量机中的v-SVC支持向量分类机算法进行识别检验时可得到很高的识别准确率。