振动信号识别是光纤管道安全预警系统中的重要组成部分,为了解决光纤管道安全预警系统中的振动信号分类识别问题,需要对振源信号特征进行提取,振源信号识别率与振源信号特征提取的鲁棒性和准确性高度相关,所以振源信号特征提取在振源信号分类中起着重要作用。首先,研究了对检测到的振源信号进行数据预处理的方法,介绍了对振动信号进行分帧处理的方法,同时研究了小波变换原理及采用小波降噪的方法。其次,对不同振源信号的事件行为特点进行分析,研究了可危害管道振动事件的主要特征,包括时域分析、频域分析及时频分析,研究了镐刨、过车、电钻、电镐四种振动信号的属性特征,主要是从占空比、基音频率、能量特征向量和频率中心等方面提取振动信号的特征参数,建立多维特征向量及振动信号特征库。最后,本文研究了支持向量机在光纤振源识别中的应用策略,主要研究了其基本模型,深入理解了特征空间上的间隔最大的线性分类器的意义,对二次规划问题的求解做了深刻研究,同时对核函数的构造和参数的选择进行了理论研究,然后对SMO(序列最小优化)算法进行分析,利用SMO算法训练SVM分类器,建立了多个二分模型,使用提取的振源信号的多维特征向量对信号分类并识别。结果表明,本方法对光纤振动信号识别率较高,为光纤管道预警系统的识别问题提供了解决方案。