分布式光纤预警系统具有体积小、重量轻、成本低、寿命长、耐高温、隐蔽性好、抗电磁干扰等突出优点,广泛应用于周界安全、管道安全监测等领域。基于相位敏感光时域反射技术的分布式光纤预警系统同时又具有结构简单、系统稳定、灵敏度高、可同时定位多点振动等优点,因此成为分布式光纤预警系统领域的研究热点。本文基于相位敏感光纤预警系统的检测原理,对振动入侵定位、特征提取及类型识别的信号处理方法进行了实验研究。首先,针对光纤振动信号易淹没于背景噪声及系统入侵定位虚警率高的问题,本文提出了一种定位检测方法,用改进的分离平均与差分算法提高信噪比,提取有用振动信号,信噪比达到20.4366dB,然后结合单元平均恒虚警检测算法设置自适应门限,同时检测多点振动,再找到多个连续振动段,取其中间位置作为该段的代表,用实测数据来验证该定位检测算法的有效性。结果表明,该定位检测方法可以有效的检测到振动入侵,并减小后续识别模块的计算量。然后,为了完备表征振动信号信息,本文提出了一种多维特征提取及特征选择的方法,对振动信号使用多项式最小二乘法和小波阈值降噪法来降低系统对信号造成的零线漂移和噪声干扰,引入时域的短时分析方法和小波域的小波分析方法提取信号的多维特征,基于类内类间离散度矩阵准则值评估特征进行特征选择,得到较完备表征振动信号的最优特征向量,为后续识别模块做好铺垫。最后,由于传统阈值划分法识别入侵类型错误率高,使用概率神经网络和支持向量机识别入侵类型。本文用实测数据提取的特征向量集训练分类器,引入粒子群算法优化分类器参数,通过交叉验证法得到平均识别正确率和最优维数的特征向量,比较两种分类器的结果,得到性能最优的分类器对管道沿线入侵类型进行分类识别。结果表明,支持向量机识别方法需要的信号特征个数少,优化参数时间短,且识别正确率可达95.1724%。对于相位敏感光纤预警系统,本文提出的改进的光纤振动信号处理方法可以定位识别出入侵类型,满足系统的实时性要求。