La señal de sonido de corte de un cortador de carbón es una fuente de señal importante para identificar el modo de corte carbón-roca y el estado de carga. Sin embargo, la señal de sonido de corte carbón-roca recolectada directamente del campo industrial siempre contiene una gran cantidad de ruido de fondo, lo que no es favorable para la posterior extracción y reconocimiento de características. Por lo tanto, se requiere una eliminación eficiente de ruido para la señal original. En este artículo se construye un método de procesamiento inteligente basado en un algoritmo de eliminación de ruido de descomposición empírica de modo en conjunto completo mejorado con ruido adaptativo (CEEMDAN) para la señal de sonido de corte. CEEMDAN primero descompone el sonido para generar una serie de funciones modales intrínsecas (IMFs). Debido a que el umbral de eliminación de ruido de cada IMF generalmente se obtiene mediante una prueba experimental o una fórmula empírica en el método CEEMDAN tradicional, obtener un conjunto de umbrales óptimos para cada IMF es difícil. El efecto de procesamiento a menudo está restringido. Para superar este problema, se introdujo el algoritmo de optimización de moscas de fruta (FOA) para la determinación de umbrales de CEEMDAN. Además, en el FOA básico, se aplican la operación de mutación de abeja exploradora y la estrategia de búsqueda de ajuste dinámico adaptativo para mantener la velocidad de convergencia y la capacidad de búsqueda global. El resultado de la simulación muestra que la forma de onda de la señal procesada por el algoritmo de eliminación de ruido CEEMDAN mejorado es más suave que la de otros cuatro algoritmos típicos de eliminación de ruido. La relación señal-ruido y el error cuadrático medio de la señal de salida mejoran significativamente. Finalmente, se realiza una aplicación industrial de un cortador en un frente de trabajo de minería de carbón para demostrar el efecto práctico.