分布式光纤预警系统具有灵敏度高、实时性强和适应大范围监测等优点,在民航机场周界安防中有着重要的应用前景。该系统工作环境复杂,入侵类型多变。这就需要其抗干扰的同时能监测多种入侵扰动,提供实时准确的入侵警报。本文采用信号识别的方法,针对光纤预警系统的扰动信号,研究了有效特征提取算法,并设计了能够快速识别扰动信号的模式识别分类器,以提高系统的扰动信号正确识别率。分别通过实验数据论证了各方法的有效性。论文主要做了以下几方面的研究工作:1、理论上推导了基于双Mach-Zehnder干涉仪型的光纤预警系统数学模型。针对信号采集时扰动信号的端点检测研究了一种基于饱和嵌入维数分帧信号和信息维数的端点检测方法,通过实验信号进行验证并和其他方法进行对比。结果表明该方法检测时间为0.17s,平均误差为2%。通过搭建出的光纤预警系统采集不同类型的扰动信号并进行信号特性分析。2、针对光纤预警系统扰动信号的敏感信息提取问题和信号识别过程中选用单一特征导致识别率较低的问题,研究了一种基于局部均值分解和串行特征融合的扰动信号识别方法。通过现场采集的单一扰动信号和风雨天气干扰下的扰动信号分别对该方法进行验证。结果表明该方法的平均识别率分别达到96%和96.67%,识别时间分别为0.87s和0.91s。满足实时性并提高了系统的识别率。3、针对扰动信号特征提取时自适应性不足和模式识别过程中固定分类器表现出的泛化能力不足,研究了一种基于多重分形谱和改进概率神经网络相结合的扰动信号识别方法。通过现场采集的信号进行验证。结果表明该方法的平均识别率达到96.25%,识别时间为1.63s,能够提高分类器的泛化能力和系统的正确识别率。