周界入侵监控系统中振动传感器所采集的振动入侵信号中包含环境产生的各种干扰信号,要从这些信号中分离出源振动入侵行为的成分具有重要的现实意义。利用盲信源分离技术来识别源振动入侵信号是一个重要且具有挑战性的学术研究领域。本文在深入研究和比较几种典型的盲信源分离技术的基础上,研究适用于无线周界入侵监控系统及其振动传感器采集的入侵信号的识别方法。主要工作包括:在研究和比较几种典型的盲信源分离技术的基础上,实现了ICA方法的四种典型算法。实验数据采用自主研发的无线周界入侵监控系统中振动传感器所采集的振动入侵信号。评价指标为相似系数和性能指数。经过实验对比显示:基于JADE算法的ICA方法优于基于Infomax算法、FastICA算法和SOBI算法的ICA方法。因此,基于JADE算法的ICA方法适合用于无线周界入侵监控系统中振动传感器所采集的振动入侵信号的识别。探索了基于OIE和PSO盲信源分离算法的振动入侵信号识别方法,简称OP-BSS(BSS based on OIE and PSO)。将重叠信息熵(OIE)作为盲信源分离算法中的目标函数,粒子群优化算法(PSO)作为对目标函数的优化算法。实验数据分别采用人工合成数据和自主研发的无线周界入侵监控系统中振动传感器所采集的振动入侵信号。实验结果表明,该方法可以有效地识别出源振动入侵信号。基于上述研究结果,将振动入侵信号识别方法应用于自主研发的无线周界入侵监控系统中。系统包含网络节点、路由节点、中心节点和上位机报警监控软件四大模块。测试结果表明该系统功能正确,达到了预期的目标。