近年来,双马赫-曾德干涉型(Dual Mach-Zehnder interferometry)分布式振动传感系统由于具有高灵敏度、快速响应以及实现简单的特点,已被广泛应用于周界安防中。然而该系统对入侵事件的识别种类、识别率及实时性,严重受到后期信号处理性能的约束。为实现高效率、高精度地识别该系统的多类入侵事件,客观上需要在降低系统成本、改进信号处理工作模式和扩展特征提取角度这3方面做综合考虑。在降低系统成本方面,本文提出基于幅频补偿的边界频率可控的高通FIR滤波器设计。相比于原有FIR滤波器,将该滤波器应用于入侵事件端点检测,该滤波器不仅能有效抑制环境噪声,实现高精度端点检测,而且还节省了系统时延和70%以上的乘法器资源。由于端点检测在系统空闲时需要一直运行,故该方法大大降低了整个系统成本、提高了系统响应速度。在改进信号处理工作模式方面,本文将全相位滤波器组应用于入侵信号预处理中,该滤波器组系数不仅具有解析表达式,而且具有流水线式并行多通道处理的优点,绕开了现有的经验模式分解方法的反复迭代的处理模式,大幅度提高了工作效率。结合RBF神经网络,该方法可实现对攀爬围栏和敲击光缆的两类常见入侵动作的高精度识别。在扩展特征提取角度方面,本文在单一的全相位滤波器组方案的基础上,提出了一种基于混合特征提取的入侵模式分类方案。该方案从入侵信号的时域、频域和统计信息入手,挑选了不同频带的峭度特征和入侵信号的过零率构成混合特征向量。峭度对冲击信号十分敏感,适合作为非平稳信号的特征量,过零率还可以描述一段时间内入侵信号的波动情况,将这两个物理量融合在一起,提取了入侵事件多个方面的特征,比较全面深刻地区分了不同事件的特点。现场实验表明,根据以上3方面考虑后,本文提出的基于混合特征提取的识别方案可以准确地识别4类常见入侵事件(攀爬围栏、敲击光缆、晃动围栏、盗剪围栏),平均识别率超过94%。而且,由于融合了入侵事件的频域、时域和统计信息,缩短特征向量长度,进一步提升了效率,具有较高的实际工程价值。