地质灾害具有突发性,一旦发生将产生重大的人员伤亡和财产损失,而成功预测地质灾害有很大的现实意义。研究表明,通过监测地质灾害产生的次声信号可以实现地灾预警,本论文的研究目的就是找到一种有效的地灾次声信号分类识别方法,提高对地灾次声信号分类的准确率,进而提高地灾预警的准确率,为相关部门争取时间,保障人们的生命财产安全。本论文结合国内外对次声信号分类的研究情况,总结对比了多种方法的优势与不足,并参考模式识别的主要过程,结合所学的知识设计一个可以提高次声信号分类识别准确率的模型,先对地灾次声信号作独立分量分析,提取出独立分量,去除高斯噪声的干扰,然后用特征提取技术提取出独立分量的特征向量,最后将提取的特征向量作为分类器的输入信号,根据其分类结果选择出有效的分类方法。本论文使用的次声数据来源于全面禁止核试验条约北京国家数据中心,包含地震、海啸、火山三种次声事件。研究了独立分量分析算法、快速独立分量分析算法、基于相空间重构的单通道独立分量分析算法、基于相空间重构的单通道快速独立分量分析算法四种独立分量分析算法,快速傅里叶变换、离散小波变换及希尔伯特-黄变换三种特征提取技术,以及BP神经网络、支持向量机两种分类算法,将其互相组合后对三种次声事件进行分类识别试验,根据试验的分类结果,分析了各个算法的优缺点及适用情况。对比分类结果发现经过独立分量分析与快速傅里叶变换共同处理的次声信号的分类结果最好,分类准确率达到97%左右,但是处理信号的时间过长,不适合应用到次声信号的实时监测上。若次声信号由快速独立分量分析与快速傅里叶变换共同处理后,分类结果降低但处理速度提高了数百倍,可以应用到次声分类识别的实时监测中。本论文找到了一种比较理想的次声信号分类识别方法,为该领域的研究提供了新的理论依据。