田野文物具有重要的社会、历史及经济价值。利用先进的技术手段快速有效的获取田野文物环境状态，评价田野文物风险等级，是建立田野文物入侵侦测系统的目的和发展方向。课题根据田野文物保护工作实际需求，提出将无线传感器网络技术应用于田野文物入侵活动侦测中，针对田野文物监测应用的无线传感器网络相关应用面临的应用基础性问题，如侦测对象选择、侦测方法研究、数据压缩及重构、信号特征提取、神经网络性能优化、侦测系统构建、工作流程等问题进行了研究，主要创新点及研究内容如下：1.从田野文物入侵活动过程及特点出发，结合对现有方法的研究基础上，研究了基于无线传感器网络技术的田野文物入侵活动侦测方法，提出将微地震信号作为侦测对象，并提出了相关的研究技术路线。2.将压缩感知理论应用于入侵侦测系统，利用压缩感知理论的压缩特性减少系统通信能耗。针对入侵侦测系统数据特点、压缩感知数据重构算法及已有改进算法存在的重构精度差、重构速度慢等不足，提出了基于量子克隆免疫算法的压缩感知数据重构算法Q-CSDR。Q-CSDR对数据进行自适应分帧，并将量子克隆免疫算法应用于压缩感知数据重构过程中以提高数据的重构精度。通过仿真实验结果表明，在稀疏度小于60的条件下，Q-CSDR算法仍能保持85%以上的重构精度，高于其他对比算法。3.提出了基于低频率采样条件下的信号特征提取算法，将信号功率谱二次处理算法进行针对性的改进并将其应用于微地震信号特征提取。通过仿真及实际实验结果可以看出，在采样速率为10sps条件下，改进的信号功率谱二次处理算法特征提取性能优于其他特征提取算法，并能够将入侵活动分类精度提高至90%以上。最后分析了算法存在的局限性并提出了高频率条件下的信号采集方法。4.提出了基于混沌量子克隆免疫的神经网络结构优化方法。通过构建具有一定稀疏度的隐层节点种群来减少神经网络冗余连接，并使用混沌量子克隆免疫算法对各种结构下的神经网络进行寻优，以找到性能最好的神经网络。仿真结果表明，相对于比较算法，本算法具有更好的收敛速度和收敛精度，在逼近函数试验中具有更小的逼近误差。经算法优化后的神经网络能够适应各种地质环境条件下的分类工作，在删除30%以上的隐层冗余节点后分类准确率仍保持在92%以上。5.设计并实现了基于无线传感器网络的田野文物入侵侦测系统，将入侵活动侦测方法、数据压缩与重构、信号特征提取、分类器性能优化等关键技术应用其中，构建了稳定、可靠的田野文物保护系统。实际实验结果表明，系统能够适应各种地质条件，在分类准确率高于93%的条件下稳定工作2400小时，达到了预期目标。总之，本文研究成果为基于无线传感器网络的田野文物入侵侦测系统的实际应用提供了基础，为推进我国田野文物保护工作的信息化、自动化及智能化提供了一种有效的新思路。