监控并阻止边境上的非法活动如偷渡,走私,盗猎等有着十分重要的意义,然而目前对于森林边境的监控与保护的办法仍十分有限。针对上述情况,本文提出一种对森林中入侵目标进行快速识别分类的系统,系统利用传感器节点间用于通信的超宽带(UWB)信号作为判断依据在不影响节点间正常通信的情况下对入侵目标进行识别。并且所提识别方法不仅可以判断是否有入侵者闯入,还可以对该入侵者是否持械进行进一步判断,具有较高的实际应用价值。研究发现,原始信号特征维度较高,但常用的降维算法的识别性能在目标场景下又达不到要求而现有的高性能特征提取算法时间复杂度较高并不适应节点对入侵目标的实时检测,因此本文提出了一种联合特征提取方法,该方法同时利用了基于信号统计信息的主成分系数与基于信道特征的信道参数,因此时间复杂度低并且只需要较少的维度特征就能达到较高的准确率。此外通过引入简化的和极限学习机作为入侵识别系统的分类器进一步降低了准确识别所需时间。研究在实际叶簇环境下进行了入侵模拟与测量,利用采集的数据对所提算法进行了验证。此外,与已有研究不同,本文不仅静止目标还对移动目标识别进行了分析,并且对于入侵目标在监控区域的位置以及移动速度等对识别带来的影响也进行了深入分析。最后也对移动目标的识别给出了改进策略。