矿山井下微震监测信号包含着岩石破裂、爆破、人工活动等信息,在进行岩爆预测、采空区坍塌预测、岩石破裂定位时,岩石破裂信号类型识别是前提和基础,信号识别的准确性对判断精度具有重要影响。本文以大红山铁矿微震信号为研究对象,在理论研究与现场调研的基础上,通过理论分析、理论编程计算、工程测试等研究方法和手段,先对原始信号采用小波阈值变换法、集合经验模态分解法(EEMD)、希尔伯特-黄变换法(HHT)以及分形理论等多个理论方法对信号特征值进行提取,然后从时域、频域、能量分布特征及线性特征这几个方面对信号特征值分析后,建立了信号识别模型并成功的对岩石破裂和爆破事件信号进行了识别。上述研究为大红山铁矿及时、有效、准确的识别岩石破裂事件信号提供依据,也为类似矿山在微震信号类型识别提供一种参考方法。本论文的主要内容有以下几个方面:(1)对信号的时-频特征、能量分布特征、线性特征上进行分析,得出了信号在持续时间、振幅大小,主频、信号能量分布上、分形维数等多个方面的特征值规律。(2)基于两类信号持续时间、最大振幅、主频大小、能量分布特征、分形维数值等多个参数,建立了岩石破裂与爆破两类事件信号的BP神经网络预测模型。并对该模型的预测能力进行了验证。(3)信号的模式识别上,将得出的特征参数值与MATLAB编程相结合,利用BP神经网络模型对大红山现场采集的20次微震事件信号进行识别,结果表明该模型能够有效的对上述两类信号进行识别。