近年来,分布式光纤传感技术的深入研究不断取得了进步,基于Michelson分布式振动光纤传感技术的光纤周界安防系统日趋完善,在诸多周界安防领域具有较为广泛的发展空间。但是目前该类安防系统在对入侵事件种类识别、识别准确率以及事件信号特征向量提取效率方面尚无法完全满足实际需求。针对上述模式识别方面的根本问题,本文基于分布式振动传感技术,简要介绍光纤周界安防系统现状,在分析对比不同安防系统优劣特性的基础之上,主要开展并完成了以下研究工作:1.介绍迈克尔逊型光纤周界安防系统的传感原理以及入侵判定原理,分析了入侵事件模式识别对安防系统的重要意义;并对迈克尔逊周界安防系统的软件、硬件构成及其实现进行了详细阐述。2.提出利用过零率作为特征对入侵事件信号进行时频分析,对比不同类型的入侵事件的过零率分布,分析处理外界噪声信号与入侵扰动事件信号过零率之间的差异,消除了外界噪声与干扰因素对系统事件识别的影响。3.考虑到模式识别对特征向量的需求,对入侵事件的信号进行分段过零率的提取,每种类型的事件提取6段过零率作为一组特征向量,将每种事件的多组特征向量作为训练/测试样本进行事件识别模型的训练。提出以过零率作为特征向量,结合支持向量机对多种不同类型的事件进行高效识别的方法。对剪切、晃动、敲击、攀爬围栏事件以及无入侵事件工共600组数据进行事件分类,五种事件各自识别率在90%以上,平均识别率在97%以上,识别时间0.046s,识别效率高。4.在上位机验证了事件模型训练与事件识别的可行性,提出了使用FPGA来实现入侵事件高效识别的方法,采用Verilog HDL语言编写支持向量机模式识别算法,对基于FPGA的安防系统的软件设计如信号采集与处理模进行了详细阐述。对该系统进行了现场实验测试,对剪切、晃动、敲击、攀爬各进行了100组模拟入侵实验,实验结果误报率为2.25%,事件识别准确率为97.75%,可以满足实际工程应用需求。