近年来,随着光纤周界安防系统广泛应用于仓库、油气管道等大型防区的安全防护,如何提高安防系统的实时性与准确度成为安防领域的研究重点。光纤周界安防系统利用光纤振动传感器采集光纤振动信号,但采集到的信号纷乱复杂,所以如何对信号进行有效处理并识别分类是亟待解决的问题。本文基于以上研究背景,对光纤周界安防系统的信号处理与识别技术展开相关研究,相关工作及提出的创新点如下:(1)阐述多种干涉型光纤振动传感器采集信号的工作原理,分析各传感器优缺点及适用场景,说明使用Michelson光纤振动传感器的原因。(2)研究了光纤振动信号的处理方法,在时域、频域和小波域的特征提取基础上,创新地提出将双门限端点检测方法及Mel系数特征提取方法应用到数据处理环节,并根据以上方法对采集的光纤振动信号进行处理。(3)重点论述了选择传统KNN算法的原因,介绍了传统KNN算法的基本原理与实现过程,并结合本论文的分类标准,分析了在多种距离度量方式中选择欧式距离的原因。(4)基于对传统KNN算法的分析,本论文创新地提出了 KNN算法的改进,主要包括以下三个方面:通过交叉验证法选取最佳K值得到最高识别准确率、将KD树应用于KNN算法提高算法效率以及通过距离加权提高系统识别准确率,最后还通过实验对传统KNN算法与改进后算法性能进行对比分析。