在矿山及岩土工程地压监测中，岩石声发射技术作为一种行之有效的监测手段，已取得了许多非常有价值的成果。但由于问题和实际工程条件的复杂性，监测结果的失真或误判时有发生。其理论研究仍明显滞后于工程实践的需要，主要表现为针对不同岩性岩石声发射特征的对比研究以及区别于噪声信号的多特征综合识别技术理论还不够深入。论文通过对变粒岩、花岗岩、石灰岩、粉砂岩等四种岩石进行室内单轴加载声发射试验，获取岩石破裂全过程的应力-应变曲线、声发射参数及声发射信号；运用分形理论研究不同岩石破裂全过程的声发射时域特性；采用傅立叶变换、小波变换分析岩石声发射信号的频谱特征；结合声发射特征参数及小波能谱系数，使用人工神经网络对岩石声发射以及干扰源信号进行模式识别。主要研究成果如下：运用分形理论研究不同岩石在单轴加载下破裂全过程的声发射时间序列特征，计算得到相空间m以及比例系数k值，归纳总结出岩石声发射序列分维曲线的“波动→持续下降”演化模式，分维值的持续下降可作为岩石破裂失稳的前兆。以傅立叶变换、小波分析作为对不同岩石声发射信号以及干扰源信号的频谱分析手段，得出岩石声发射信号与干扰源信号的小波能谱系数分布特征。选取声发射特征参数和小波能谱系数作为特征向量，设计并训练出能对岩石单轴加载过程中多种典型声发射信号予以高精度识别的BP神经网络。