光纤周界防范系统通过监测光纤振动信号来识别不同入侵行为,入侵行为识别的关键是对光纤振动信号的特征表征与提取,其主要难点是特征提取过程中,光纤振动信号的分解存在自适应不强和端点效应等问题。因此,如何利用信号处理技术自适应分解光纤振动信号和抑制端点效应是一个值得研究的课题。本文针对不同光纤振动信号的特点,研究了一种改进的总体经验模态分解方法和局部均值分解方法,以提取光纤振动信号的特征,提高周界防范系统的识别准确率。本文主要工作内容如下:1、研究了典型周界振动信号的时域特性,在分析比较了不同光纤传感器的优缺点的基础上,构建了基于双马赫-泽德传感器的光纤周界防范系统结构,给出了双马赫-泽德传感器的光路数学模型,研究了光纤信号的分帧方法。2、研究了一种改进的总体经验模态分解光纤信号处理方法,针对不同类型的光纤振动信号可以自适应确定加入白噪声幅值系数和总体平均次数,以解决总体经验模态分解方法分解振动信号时需要依靠人为经验设定参数的问题。研究了局部均值分解方法,并利用其将光纤振动信号分解为若干乘积函数,以解决光纤信号分解时的端点效应问题。3、研究了基于支持向量机二分类的多种振动入侵信号类型识别算法。针对多种类型光纤振动信号,设计了基于二叉树支持向量机的多分类器,采用本文所述方法对光纤振动信号进行识别实验,并与传统的总体经验模态分解以及小波分解方法的识别结果进行对比,结果表明本文所述方法可以有效识别光纤振动信号入侵类型,提高了系统识别准确率。