随着社会的快速发展,通信电缆、输油管道、输气管道、高压电网以及军用、民用安防系统等基础设备、设施的安全监测等问题已日趋成为影响经济发展和社会稳定的重要因素。因此,针对各种危及电缆、管道安全及安防系统中非法入侵行为的及时发现和有效定位具有重要的研究价值和现实意义。本课题来源于与天津大学合作的国家973项目“光纤智能传感网实验平台关键技术及其应用的基础研究”课题,负责其中“恶劣环境对连续分布式传感网偏振及定位影响研究”子项目。本文以提高Mach-Zehnder干涉仪光纤安防系统扰动事件识别精确度为目标,采用小波多分辨率分析和神经网络等手段,对采集得到的分布式光纤传感安防系统的监测数据进行信号特征提取以及信号识别等研究,实现了对外界环境的下雨、敲击、攀爬等信号的识别,对提高安防监测系统中入侵行为的准确定位提供了研究基础。本文主要完成了以下几方面的工作：(1)采用小波变换,对分布式光纤传感安防系统的监测数据实现了多分辨率信息提取,通过小波能谱实现了信号特征的向量提取,获得了能较好反映各种安全事件的本质特征,对下雨、敲击、攀爬等信号实现了初步识别。(2)深入理解神经网络结构,将BP神经网络识别方法用于对安防检测信号类型的识别。设计了4种改进后的BP神经网络的MATLAB程序,并运用获得的样本数据的特征量对其分别进行训练,对训练结果进行比较分析,选取最佳BP网络训练方法。(3)对实验现场采集的监测数据进行了大量实验研究,证明了算法的有效性及可靠性,基于BP神经网络的识别率达到90%。