振动信号的分析与识别是影响光纤周界系统性能的关键技术。综述了近几年光纤振动信号识别的典型算法，包括经验模态分解识别算法、神经网络识别算法、支持向量机识别算法、极速学习机识别算法和随机配置网络识别算法。比较分析了这些算法存在的的优缺点，展望了光纤振动信号识别算法的发展趋势。

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。

在光纤周界安防系统中, 蓄意入侵和环境噪声均能引起光纤传感器振动, 在保证系统高灵敏度的前提下区分入侵和非入侵事件极为重要。为了有效识别各种光纤振动信号, 本文依据入侵和环境噪声引起的光纤振动信号在时域上的短时特性以及复小波域各尺度上能量分布特征, 提出了两级判别法识别光纤信号。第一级用时域特征, 短时能量和短时平均过零率判断是否有振动发生; 第二级用复小波提取光纤信号的能量分布特征, 联合时域特征形成特征矢量, 支持向量机 (SVM)作为分类器识别是否为入侵信号及入侵类型。实验结果表明, 此方法可以有效识别入侵信号和环境噪声引起的非入侵事件, 提高了系统报警率, 降低了误报率。