目标识别是当前研究的热点,传统的基于数据级的目标识别计算量大,识别效果较差,而基于特征级的目标识别采用去除冗余数据的方法,该方法既保留了较多的有效数据,又极大降低了运算量,具有较高的准确率。本论文是以南水北调工程安防围界为应用背景,对围界中的异常模式展开研究。围界中的多传感器数据模式识别在融合层次上可以分为数据级,特征级,决策级这三个层次的信息融合。多传感器融合系统由数据融合模型,结构模型和数学模型共同组成。本文重点介绍了结构模型和数学模型,在此基础上,提出了两种模式识别算法。主要内容如下：(1)提出基于峭度的多层阈值分类方法,首先对原始数据提取得到不同特征值如平均值、方差、峭度等,然后利用多层阈值分类器进行分类。该分类算法在100米的距离上,针对拍打、攀爬、摇晃、倚靠四种异常模式的平均识别率达到86.67%。该方法具有运算速度快、识别率高的特点。(2)针对上述方法中人为设定阈值的局限性,提出了基于小波包分解的人工神经网络分类方法。该方法首先利用小波包分解对原始数据进行小波包变换,对得到的8维特征向量利用BP人工神经网络进行分类,在100米的距离上针对拍打、攀爬、摇晃、倚靠四种异常模式的平均识别率达到95%。该方法具有适应性强的优点。