当今,光纤传感技术高速发展,分布式光纤声波传感技术（DAS,Distributed Acoustic Sensing）因其长距离,高灵敏,抗干扰等优势被研究人员广泛应用到安防领域。但实地应用中,由于复杂的应用环境及多变的入侵手段,常有误报警和漏报警的情况,致使大量的人力和物力损耗,更对群众的生命安全和重要的安防场地构成威胁。设计出能够准确且快速的光纤分布式安防系统,一直是国内外的研究热点。在研究中我们发现,当多个入侵事件同时近距离发生时,多个振动信号的振动范围互相重叠,振动信号就会混合到一起,这种混合事件在实地应用中很常见,但是关于混合事件识别的研究去却较少。另外,由于DAS技术分布式,长距离的检测特点,在实地的应用中,为了保证安防环境的安全,需要对全光缆的外界信号进行实时的振动检测与识别。因此,所需要识别的样本的数量是很庞大,而外界入侵信号只发生在光缆的某些位置,其余位置多是大量的环境与背景的噪声,当直接用结构较为复杂的识别算法来对全光缆的振动信号进行识别时,极易导致数据堆积从而导致系统实时性不佳,也将导致系统误报变多。针对上述的两个问题,本文从DAS技术光路与硬件系统的搭建,振动信号的模式识别与检测方式等角度进行了深入的研究,提出了二级振动检测方案,其在过滤掉大量环境噪声的基础上,实现了对两种单一振动事件混合的混合事件的有效识别,主要研究内容如下:（1）本文推导了光纤中光的声波调制机理,以及声波相位传感原理。在DAS技术原理的指导下,搭建了分布式光纤声波传感系统,采集了九类典型的振动事件（其中4类为两种单一事件混合的混合事件）,构建了DAS振动信号的数据集。（2）针对更为复杂的混合入侵信号,提出了基于群卷神经网络的特征提取与分类算法（100G-Net）。它能够精准的提取出DAS信号在不同的空间位置上的时变特征信息,高效的进行特征提取与分类,实验表明,其在采集到的DAS数据集上的表现优于经典的VggNet,InceptionNet和ResNet,在验证集地准确率可达到97.5%。（3）针对分布式光纤周界安防所面对的环境和复杂的背景噪音太多而导致误报高的问题,我们结合DAS技术分布式,长距离的检测特点,提出了二级振动检测的检测方案。第一级为基于SVM的振动判别,其只用于判别有无潜在危险信号发生,如有危险信号,才进行更精准地第二级分类识别。第一级振动判别在实地应用中可以滤去大量的背景噪音,减少误报的同时,也减轻了识别算法的负担,第二级采用100G-Net对潜在的危险信号进行模式识别,精准的判断入侵信号的种类。