随着科技的迅速发展,社会的不断进步以及人们安防意识的提高,在军事要地、铁路、银行等重要的区域都需要采取必要的措施以保障周界安全。然而随着信息时代的到来,以互联网、计算机、电子技术为支撑的新的犯罪手段日益凸显,犯罪手法趋于智能化,使得传统的安全防范技术暴露出越来越多的隐患。近年来,随着光纤传感技术的快速发展,以光纤传感技术为核心的光纤周界系统成为安防领域研究的热点,特别是以光纤布拉格光栅(Fiber Bragg Grating,FBG)传感器技术为核心的安防系统。本文以基于FBG周界安防的新方法以及关键技术为主要研究对象,以提高FBG周界安防系统的目标识别率,降低误报率、错误率为研究目标,展开了一系列研究工作如下:1、提出了把FBG应用到周界安防系统的总体方法模型,结合现代周界安防对系统的总体要求,确立了基于FBG信号分析技术及模式识别方法为重点的研究内容。从智能感知、耐候性、灵敏性等几个方面论证了实现这种方法的可行性。2、根据FBG传感原理,特别是FBG波长与温度和应变的关系,建立了基于FBG振动传感的数学模型,并进行了相关的理论分析和计算。从解调原理、实用性等方面分析了几种常用的光纤光栅解调方法,确定了可调谐F-P滤波器法作为本文的解调方法。3、在小波分析理论的基础上,提出了新的小波阈值去噪方法,此方法将时域报警信号进行快速分解,通过适当阈值对小波系数进行量化处理,有效的清除由外界振动干扰引起的高频噪声,使得报警准确率得到进一步保证。4、提出了一种基于改进灰狼算法优化支持向量机的周界安防入侵识别方法,通过分析支持向量机多样本的学习精度和学习能力,确立了对入侵信号模式识别的优化策略,利用灰狼算法动态更新惩罚因子和高斯核宽,结合粒子群算法的多样性特征进行入侵信号的识别。5、通过搭建的FBG周界入侵安防系统对本文提出的算法进行了实验验证,首先对本文提出的PSO-GWO-SVM算法学习性能进行了测试,并与其他几种群智能优化算法比较,结果表明:该算法具有更快的收敛性。其次,对入侵信号进行了实地检测,实验结果表明该方法正确的扰动判别率在98%以上,漏报和误报率在2%以下,正确的模式识别率均在97%以上,达到了较好的识别效果。