随着社会对周界安防要求在距离、识别率和成本的标准不断提高,传统周界安防系统已经不能满足人们的需求,分布式振动光纤传感器通过自身优势,适应了社会对安防系统智能化、长距离、低成本、高精度的需求。光纤周界安防系统具有抗电磁干扰、抗腐蚀性,可以灵活多变地掩埋于地下、嵌入墙内,没有较为明显的外部设备,具有一定的隐蔽性。能够对远距离的入侵信号实现监控检测,对于入侵信号的位置定位精度高,面对复杂的外部环境耐受性强等明显优势。目前,分布式振动光纤广泛应用于铁路轨道、电缆、边界安防等重要领域。由于外界环境的复杂多变性和不可控性,光纤周界安防系统存在对各类入侵信号误报率过高的问题,如何降低系统的误报率,使其更好的适应复杂环境,提高实用性变得尤为重要。本文针对分布式Sagnac光纤对多类入侵信号识别率不佳的问题,分别对入侵信号的端点检测、特征提取、入侵识别进行了研究,引入了变分模态分解算法(Variational Mode Decomposition-VMD)用于入侵信号识别研究,提取更具有代表性的特征,提高信号的识别率。本文分别对光纤周界安防系统中典型的三类传感器:Mach-Zehnder(M-Z)型、迈克尔逊型、Sagnac型光纤传感器的基本原理和特点做了分析,着重分析了Sagnac型光纤传感器的优势。通过经验模态分解(Empirical Mode Decomposition-EMD)和VMD分解的基本仿真研究了二者的信号处理效果,并对VMD的参数选择做了分析,实验结果表明VMD分解能够更好抑制模态混叠现象。其次针对入侵信号识别率较低,分析了振动光纤入侵信号识别的整体流程。着重对敲击、拍打、走路、扔石头四种入侵信号的端点检测、特征提取算法做了相关研究。由于环境噪声使得入侵信号特征微弱,对采集到的振动光纤信号进行了预处理,引入了谱减法对入侵信号去噪,提高入侵信号信噪比。在实现入侵信号的端点检测算法中,本文提出基于短时对数能量和谱熵融合的端点检测算法,分别对比了谱熵以及短时对数能量的端点检测效果,本算法对于提高端点检测精度具有较好的效果。由于提取到的特征不能够很好表征各类入侵信号,将VMD引入到对入侵信号处理过程中,通过对提取的入侵信号做VMD分解,得到分解层数确定的各模态分量,对于各个本征模态函数(Intrinsic Mode Function-IMF)分别提取谱熵、能量占比、峭度等特征,其次提取入侵信号的时域特征,构成多维特征向量。对于提取到多维特征,为了减少特征维数,提高特征的有效性,采用相关性分析,精简特征维数,提高运算效率。最后,分别介绍了支持向量机(Support Vector Machine-SVM)、B-P算法,分别对各类入侵信号的VMD、EMD、小波特征向量识别分类。实验结果显示,本文提出的基于短时对数能量和谱熵的融合端点检测方法对于检测的入侵信号,提高了入侵信号的检测精度,增强了系统的抗噪能力。采用VMD分解,实现入侵信号各模态函数的时域、频域特征提取。通过不确定度分析,降低特征维数,筛选能够较好表征各类入侵信号的特征。基于SVM实现入侵信号的识别分类,对于各类入侵信号的总体识别率达到98.0%。与小波91.4%、EMD92.6%的识别率相比,本文算法具有更高的识别率。