周界入侵检测系统是一种对安防区域进行防护,及时并准确地检测入侵并报告入侵发生位置的系统。传统的周界安防系统如振动电缆报警系统、视频监控系统、电子围栏等存在定位精度低、误报率高、易受环境影响等不足,而基于泄漏电缆传感器的入侵检测系统以其误报率低、隐蔽性强、受环境影响小、不受地形限制等优点,广泛应用于军事基地、机场、监狱、等对安全性要求高的场所。本文首先对泄漏电缆安防系统中的泄漏电缆传感器进行了研究,分析了不同种类的泄漏电缆的特点及应用领域。针对通信系统和入侵检测系统不能共用同一类型泄漏电缆的问题,提出了一种基于通信用途的辐射型泄漏电缆入侵扰动检测系统,并且并搭建了硬件测试平台,实验结果表明该类型泄漏电缆具备有效感知入侵扰动的能力。在验证了辐射型泄漏电缆用于安防领域的可行性之后,为了解决当前泄漏电缆安防系统缺乏定位能力或者定位精度不高问题,本文提出了基于格雷码自相关技术的入侵目标定位原理,并在此基础上进行了系统建模与仿真验证了原理的正确性,然后搭建了入侵检测定位原型系统,通过实验验证了系统能够准确检测入侵扰动的同时还具备初步的定位能力。泄漏电缆周界安防系统整体性能的关键指标主要是系统的误报、漏报率和定位精度,所以本文在深入研究泄漏电缆检测定位算法基础上并结合人工智能技术,基于模式识别中的支持向量机设计了一套泄漏电缆周界数字信号处理流程,通过各种干扰信号和防区各个子距离段的入侵信号构建分类模型,降低了系统的误报率。最后,针对支持向量机在处理多分类问题的局限性和充分考虑了入侵信号的时域特征,引入了深度学习中的循环神经网络用于精确定位算法,经过外场测试算法具有极高的定位精度和较低的误报、漏报率。