我国陆地面积广袤无垠,陆地上的边境距离长达两万公里以上,其复杂的地理气候环境给传统的边境视频监控系统带来了极大的挑战,为了应对光电传感器在面对能见度低的情况下的局限性,本文研究基于地震波传感器的野外人员脚步识别,从震动信号预处理,特征提取和分类识别三个角度出发进行震动识别系统的设计并加入到多传感器协同探测目标识别系统中,为传统的光电传感器补盲补缺。首先,针对边境野外环境下的环境干扰和传感器自身电路传输带来的数据误差研究了基于卡尔曼滤波和小波降噪的信号预处理方案。地震波传感器的工作原理是通过电磁感应定律将地震波转换为数字信号进行输出,在信号采集过程中,传感器自身会给数据带来一定误差,本文通过卡尔曼滤波来对传感器采集的信号进行修正,根据小波降噪的分解重构原理对信号进行降噪,提高信号的信噪比,为后续的特征分析奠定基础。然后,针对传统信号处理方法的目标特征提取效果不理想的问题,本文研究了一种基于希尔伯特黄变换改进的梅尔倒谱系数的震动目标特征提取方案,希尔伯特边际谱反映信号各个频率分量上的能量分布的特性,可以很好的反应野外震动目标所产生的震动波的频域特性,改进经典语音信号中的梅尔倒谱系数算法中的快速傅里叶变换应用到震动信号的处理中,通过实验结果表明,本文方案特征提取在小样本数据中适用性较好。最后,将过零分析和基于希尔伯特黄变换优化的梅尔倒谱特征结合作为特征向量输入到支持向量机模型中进行训练,应用粒子群算法优化支持向量机参数,完成野外人体脚步信号的目标识别分类。