随着人们近年来对自身人身和财产安全的重视,光纤振动传感周界报警系统作为安防系统的重要组成部分近年来被广泛应用于大型仓库、油气管道、大型水电设备等这些单纯靠人力和监控设备无法及时顾及的大型防区的安全防护。评价一个周界安防系统性能的主要指标在于能否正确并实时的识别信号类型。当前,基于模式识别的信号分类技术是对光纤振动传感信号进行分类的主流做法。目前的光纤振动传感周界安防系统主要存在以下问题:首先,作为一种专家系统,植入系统的先验知识就显得尤为重要,表现在此系统即为特征值提取的方法。当前多数光纤振动传感周界安防系统的特征提取以频率域和小波域特征提取为主,提取的内容主要包括一些频域的能量特性,未能充分挖掘光纤振动信号内在本质的特征,因此会出现对于某些突发信号识别准确率极低的状况;对所提取特征值的合理性没有进行理论性的判定,经常导致某些特征之间存在冗余。其次,作为分类系统,对于分类算法的选取也显得至关重要。此外,作为一个需要与用户交互并且需要适应不同环境的系统,系统参数应尽量做到在不同的环境条件下能够自动调整,而非每次在环境发生变化时都要进行长时间的人工调参。针对以上提到的三个主要问题,本系统主要工作内容如下:(1)基于光纤传感信号时间域的短时能量、短时过零率特征,设计了双门限法对信号进行初步过滤,滤除时域特征明显的信号。再通过快速傅里叶变换将信号变换至频域,通过频率截止点1对信号进行进一步筛选,滤除频域特征明显的信号。(2)语音信号为长时非平稳、不连续、短时平稳信号,这与光纤振动信号相似。借鉴语音信号处理的方法对信号在时域、频域、小波域进行处理,分析出不同的环境信号和入侵信号在各个域上的差别,进而提取信号各个域上的特征值作为分类算法的输入特征。并根据特征融合理论来分析特征提取的冗余性和合理性。(3)使用支持向量机(SVM)和概率神经网络(PNN)两类分类算法对信号进行分类,对比和分析两者在识别准确率上的优劣。(4)设计了基于Q学习的系统参数自调节策略,以减少对系统的人工手动调节,在使系统在识别准确率进一步提高的同时增强了自动化性能。