针对已有光纤安防系统入侵行为识别模型中特征空间不完备及分类器泛化能力差的缺陷，本文提出了一种光纤入侵行为融合特征的集成识别策略。首先，采用总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、功率谱分析(Power Spectral Analysis, PSA)及离散小波变换(Discrete Wavelet Transform, DWT)提取信号在时域、频域及小波域内振动信息，构建入侵信号的特征集。然后，提出一种基于DFPA(Discriminative FunctionPruning Analysis, DFPA)的特征选取方法，实现特征空间的约简。最后，构建集成的随机权向量函数连接网络(Random Vector Functional-Link net, RVFL)分类器识别入侵行为。在基于M-Z (Mach-Zehnder, M-Z)干扰仪的光纤安防系统中采集入侵信号，进行实验，结果表明该策略的有效性。

针对光纤周界安防系统入侵信号的非线性、非平稳性和间歇性等特点，提出了一种时域与频域特征相结合的方法，对光纤周界安防系统入侵振动信号进行识别与定位。采用计算嵌入维数方法，确定信号的最小分帧长度，因而能够较好地保留信号时间序列内在的动力学特性；提出了对入侵振动信号两级判定识别方法，利用短时能量和短时平均过零率特征来判断是否有振动信号产生，依据振动信号各层小波系数的能量分布特点来识别入侵信号，该方法有效地降低了周界安防系统的漏识率和误识率；为提高入侵信号定位的准确性，采用小波域贝叶斯自适应阈值对入侵信号作降噪处理，将重建的信号转换到频率域来确定入侵信号的位置。通过实验验证了所提方法的有效性。