光纤预警系统(OFPS)下的周界防护得到快速发展,并且有关入侵振源识别研究在该系统中占有重要地位,通过对入侵信号类型的识别能够及时判断是否为入侵事件并及时做好防范措施。本文主要针对在OFPS中产生的入侵分别从时域和频域出发,设计信号的特征提取及识别,完成对系统入侵信号的定位和类型识别。第一步,针对本系统采集的振源信号进行检测。利用自适应背景下匀质性的CFAR(BHA-CFAR)检测方式,在空间维度进行检测,在确保检测高性能度的情况下要尽量减少该方法所损耗的时间长度,完成对噪声的去除。其次,对检测到的数据进行预处理。本文主要运用Daubechies小波分析和硬阈值结合对检测信号进行降噪处理算法。再次,对预处理数据进行特征提取。本文主要是从时域和频域分别对信号提取特征分析,以体现信号的时-频域特性。时域主要根据信号在时域内的时空二维特性,转化为形态学的灰度图表示形式,来提取振动信号的特征;频域主要从快速傅里叶变换(FFT)后不同信号的频谱分布存在较为明显的差异性,计算各信号不同频段的能量占比,并将其作为信号分类识别的特征,建立多维特征向量。最后,对特征提取后的数据进行识别。分别从时域和频域出发,在时域特征中,对灰度图进行二值化腐蚀运算,进行识别分类;在频域特征中,将计算好的能量占比多维特征向量,送入分类器进行振源信号识别,在分类器的选择上,本文采用线性判别分析(LDA)分类器对信号进行识别,LDA能最大限度的保持原始数据信息,并有效区分振动信号。根据不同入侵振源事件的特征,主要研究了走路、人工作业和机械三种信号的特征。在时域内进行信号分析时,当面临不同振源时域参数相同时,频域分析可以通过对频率结构分析以区分不同振源,两者互补。通过算法分析及实验验证,结果表明分别从时域和频域对入侵信号特征提取和分类识别的算法,在验证了算法的可行性的基础上,对振源识别算法进一步互补,一方面有效减少了识别时间,另一方面经过双重监测,利于提高入侵信号的识别率。