冲击地压是由于巷道或工作面周围煤岩体应力超过极限值，导致聚集的弹性能突然释放而引发的动力现象。在我国，随着煤矿开采深度的逐年增加，冲击地压已经成为煤矿开采尤其是深部开采的主要灾害，严重威胁矿山安全生产。电磁辐射法是一种很有前途的非接触式冲击地压监测预警方法。煤矿井下存在大量由电气设备产生的电磁干扰，而且煤岩电磁辐射又非常微弱，因此灾害前兆信息识别中迫切需要解决的问题是：一是井下煤岩电磁辐射信息获取不完整、实时性差；二是自动剔除监测数据中的电磁干扰信号并提高有效信号的信噪比；三是构建针对电磁辐射数据特性的灾害前兆信息识别模型。为此，本文针对目前煤矿冲击地压监测预警的研究及实际应用需求，以井下电磁辐射为研究对象，以灾害前兆信息识别为目的，系统地进行了冲击地压电磁辐射前兆信息识别方法及其应用研究，主要研究内容及取得的成果如下：（1）针对煤矿井下环境对防爆要求高、现有监测装备无法全面、实时获取煤岩电磁辐射信号，获取的电磁辐射信息不能全面准确反映煤岩动力演化过程的问题，研制了一套适用于煤矿井下环境的电磁辐射监测系统，实现了井下多区域、多点煤岩电磁辐射波形数据的连续实时高速采集，同时该系统兼容井下常用通信网络，地面监控主机可以实时获取井下电磁辐射数据，并且可以根据监测需要远程调整系统工作参数。（2）针对煤矿井下电磁干扰信号与煤岩电磁辐射信号难以识别的问题，研究了井下电磁干扰信号的识别问题。为了尽量避免遗漏煤岩电磁辐射与井下电磁干扰之间的有效识别特征，分别从时域、频域和小波域获取电磁辐射波形数据特征，构成高维特征向量；针对高维特征空间上的“维数灾难”及样本间Lk-范数距离区分能力降低的问题，为获取有效降维特征子集，提出一种广义距离——融合距离Df和基于该距离的Df-Relief特征选择算法；选取多组UCI（加州大学欧文分校）分类数据集，采用最小二乘Fisher分类器等多种识别算法验证Df-Relief算法的有效性和鲁棒性；应用Df-Relief算法对由电磁辐射高维特征向量构成的特征集降维，实验表明在降维后的特征子集上，朴素贝叶斯等分类器能准确识别井下电磁干扰。（3）研究了井下煤岩电磁辐射非线性降噪算法。提出基于总体经验模式分解的自适应组合形态滤波算法（EEMD-ACMF），通过模拟仿真信号验证了算法对随机噪声和高斯噪声的降噪效果，应用实测煤岩电磁辐射信号检验算法滤波性能，实验结果表明EEMD-ACMF算法能有效提高电磁辐射信噪比。（4）为确保所建前兆信息识别模型的可靠性和准确性，在建模前分别应用Kolmogorov-Smirnov假设检验、单位根检验和非参数化高阶谱分析方法，检验了井下电磁辐射时间序列的非高斯性、非平稳性和非线性，结果表明，井下电磁辐射序列具有一定的非高斯性、非平稳性和非线性特征。（5）建立了冲击地压电磁辐射前兆信息识别模型。针对井下电磁辐射时间序列存在的非高斯性、非平稳性和非线性，以及由于负类数据（已发生冲击地压或者有冲击地压危险的电磁辐射数据）不足造成机器学习中的小样本问题，采用支持向量机方法建立了灾害前兆信息识别模型。对该模型进行了实例验证，结果表明该模型能够准确识别井下电磁辐射序列是否含有灾害前兆信息。