对矿山开采中的矿区进行稳定性监测与预警是至关重要的。数字化信息化的微震监测技术是当今矿山安全生产中最先进的监测与预警技术之一,但是微震监测技术仍存在许多待研究和解决的问题,如噪音繁杂的微震监测信号去噪以及微震监测信号的区分辨识等。对此作者主要完成的研究内容和得出的主要结论如下:（1）采用小波阈值去噪方法对矿山微震信号进行去噪研究。基于矿山微震监测信号和小波基特性,发现db4和sym6小波基较适用于矿山微震监测信号的小波阈值去噪,在MATLAB环境下仿真研究了两种小波基与各种阈值组合下的去噪效果,发现db4小波基组合rigrsure阈值可取得最优结果。将仿真结论应用到矿山微震岩体破裂信号的去噪与提取中,发现小波阈值去噪方法对岩体破裂信号的去噪与提取有很好的效果,可有效的剔除噪音并提取岩体破裂信号。（2）以香炉山钨矿微震监测为背景,采集各类微震监测信号1900个,对信号进行去噪处理后统计信号的幅值、上升时间、衰减时间、持续时间、间隔时间、触发传感器数量以及主频,画出统计质量图,将统计结果制成了可为矿山微震信号辨识和有用信号提取提供参考的数据库。（3）对难以通过波形和单一参数进行有效辨识的无规律人工敲击以及微震信号进行二次识别研究。选取信号幅值、上升时间、衰减时间、持续时间、间隔时间、主频以及相对能量E值六类特征参数结合Fisher线性判别理论计算出两类信号的判别方程式和判别阈值,建立了两类信号的线性判别模型,将建立的判别模型对训练集和检测集进行回检,结果显示判别准确率为91.50%和90.50%以上,可见Fisher判别法可有效识别无规律人工敲击和微震信号。（4）选取了一例典型微震定位事件信号辨识的案例并对其进行辨识分析,展示了数据库的使用,体现了数据库存在的必要性以及其应用价值和工程意义。最后选取典型的人工敲击信号和岩体破裂信号,用已建立的Fisher判别模型对其进行判别验证,判定结果与实际相符,验证了判别模型的准确性。