随着人们对于安全意识的提高,周界安防系统逐渐成为研究的热点,与传统的周界安防传感器相比,光纤周界安防系统具有体积小、重量轻、抗电磁干扰、抗腐蚀等优点,以其独有的优势越来越受到人们的青睐。光纤周界安防系统以光纤振动传感器作为检测入侵信号的传感元件,能够非常灵敏的检测到外界的振动,触碰,挤压等动作,在检测到振动信号之后需要通过光纤振动信号分类系统对信号进行分类,若判断为入侵行为,则启动警报系统。其中,如何检测振动信号和如何对振动信号进行分类是本系统中的两个关键的研究技术,因此本文对光纤振动信号的检测与分析展开了分析和技术研究,主要研究内容如下:(1)介绍了光纤传感原理以及常见的光纤振动传感器,并且详细分析了 Sagnac、Mach-Zander、Michelson三种光纤干涉仪的工作原理和它们之间的优缺点。(2)对光纤振动传感信号的端点检测做了详细的分析,并且借鉴语音信号端点检测的方法从时域、频域、小波域几个方面进行特征提取,提出了基于短时过双电平率、短时能量、小波系数能量方差、频带方差的复合特征动态阈值检测方法,有效的提高了系统的振动识别准确率,降低了系统的误报率。(3)介绍了目前光纤振动信号分类常用的基于特征工程的方法,该方法基于对信号进行时域和频域特征以及MFCC和其他特征的提取,并且利用机器学习分类算法进行分类,但是对于信号的分类效果不是很理想。(4)提出并设计了一种基于多尺度一维卷积神经网络的光纤振动信号识别系统,相较于二维卷积神经网络的做法具有模型训练时间短,模型推理速度快的优点,相较于一维卷积神经网络其对数据有更强的拟合效果,模型的识别准确率更高。