1.适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，该方法的具体步骤为：多源信号采集：沿深部巷道轴向布设声发射传感器阵列，采集的多源信号经信号调理电路处理后转换为数字信号，进行本地存储；多源干扰识别：对数字信号进行预处理和小波包分解，结合环境参数通过环境修正能量熵算法计算加权小波包能量熵；提取各频段峰值频率与统计特征，结合干扰特征数据库通过动态特征匹配算法计算相似度，判定干扰类型；自适应混合降噪：基于加权小波包能量熵，通过复杂度敏感惩罚算法确定改进变分模态分解的自适应惩罚因子，遍历不同模态数分解信号并筛选目标分量；对目标分量计算实时信噪比与信号突变值，通过突变响应滤波算法动态调整卡尔曼滤波增益，设置采样点滤波窗口滤波，得到降噪信号；多维度特征提取：从降噪信号中提取时域特征和频域特征；整合时域与频域特征通过时频联动特征算法计算耦合特征参数；采用希尔伯特-黄变换提取时频域特征；特征优化与输出：对提取的特征通过主成分分析降维，保留累计贡献率超过90%的主成分；计算主成分与围岩损伤等级的互信息熵，保留互信息熵值大于0.6的特征；通过动态损伤向量算法构建特征向量，传输至安全预警系统，同时可视化展示结果并存储数据。
2.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述多源信号采集中，声发射传感器阵列相邻传感器的信号传输线采用星型拓扑结构连接至信号采集箱，采集箱内置多通道同步采集单元，且每个通道独立配置抗混叠滤波器。
3.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述多源干扰识别中，环境修正能量熵算法的数学表达式为： ，其中， 是加权小波包能量熵， 是小波包分解后的频段总数， 为第i个小波包分解频段的能量， 是第j个频段的信号能量， 为环境修正权重， 是该频段对应的环境修正权重，环境修正权重通过实验室模拟深部巷道典型环境确定，采集不同环境参数下的标准声发射信号，计算单类环境参数对信号的失真度 ，按公式计算单类环境参数的权重，公式为： ， 为环境参数类型， 为参与计算的环境参数总数， 为第 类环境参数的权重，不同频段、不同环境参数的 、 取值不同。
4.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述多源干扰识别中，干扰特征数据库包含三类基础干扰特征模板及动态更新模块：基础干扰特征模板包括机械振动模板、电磁辐射模板、环境噪声模板，其中机械振动模板存储50-200Hz频段的振动特征参数；电磁辐射模板存储1-5kHz频段的电磁特征参数，包含高压电缆、照明设备的脉冲宽度、重复频率及频谱分布；环境噪声模板存储宽频带的随机噪声特征参数，包含风流扰动、岩体摩擦的能量分布及幅值概率密度。
5.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述多源干扰识别中，动态特征匹配算法的数学表达式为： ，其中， 是实测信号第 频段分量与干扰特征数据库中第 类干扰特征的相似度， 为实测信号的第k频段分量， 为干扰特征数据库中第k类干扰特征， 为协方差计算， 是实测信号第 频段分量 的标准差， 是第 类干扰特征 的标准差， ， 为权重系数，且 ， 是实测信号第 频段分量 的峰值频率， 是第 类干扰特征 的峰值频率，比较综合相似度 的大小，找到最大的综合相似度，则对应的干扰特征所属的干扰类型。
6.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述自适应混合降噪中，复杂度敏感惩罚算法的数学表达式为： ，其中， 是改进变分模态分解的自适应惩罚因子， 为基础惩罚因子， 为当前信号的加权小波包能量熵， 为该监测点历史最大能量熵， 为调整系数。
7.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述自适应混合降噪中，突变响应滤波算法的数学表达式为： ，其中， 是 时刻的卡尔曼滤波增益， 为初始增益， 为t时刻信号突变值， 为信号均值， 为实时信噪比， 为参考信噪比， 为突变敏感系数。
8.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述多维度特征提取中，时频联动特征算法的表达式为： ，其中， 是时频联动耦合特征参数， 为峰值振幅， 为峰值频率， 为上升时间， 为持续时间。
9.根据权利要求1所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，所述动态损伤向量算法的数学表达式为： ，其中， 是动态损伤向量， 是时频联动耦合特征参数， 为信号总能量， 是降噪信号的持续时间， 是频率变量， 为边际谱密度函数， 为特征参数与损伤等级的互信息熵， 为最大分析频率。
10.适用于深部巷道的声发射信号降噪与特征提取系统，该系统适用于权利要求1-9任一项所述的适用于深部巷道的声发射信号降噪与特征提取方法，其特征在于，该系统包括：多源信号采集模块：沿深部巷道轴向布设声发射传感器阵列，将采集到的信号经调理后转换为数字信号存储；多源干扰识别模块：对数字信号进行预处理和小波包分解，结合环境参数计算加权小波包能量熵，提取各频段峰值频率与统计特征，结合干扰特征数据库计算相似度并判定干扰类型；自适应混合降噪模块：基于加权小波包能量熵确定自适应惩罚因子，分解信号并筛选目标分量，计算实时信噪比与信号突变值，动态调整卡尔曼滤波增益并滤波得到降噪信号；多维度特征提取模块：从降噪信号中提取时域特征、频域特征，计算耦合特征参数，采用希尔伯特-黄变换提取时频域特征；特征优化与输出模块：对提取的特征进行主成分分析降维、互信息熵筛选，构建动态损伤向量并传输至安全预警系统，同时可视化展示结果并存储数据。
