针对传统的信号处理方法无法有效区分不同振动入侵信号, 提出一种基于EMD-AWPP和HOSA-SVM算法的振动信息特征提取与识别方法, 用于解决分布式光纤振动入侵检测系统的高精度信号识别问题。 处理不同振动类型时, 该方法首先利用基于经验模态分解的自适应小波包处理算法, 不仅对信号的低频部分进行了分解, 而且对高频部分即信号的细节部分也进行了更好的时频局部化处理, 改善了信号特征提取精度, 减少传感信号异常值的影响; 其次采用高阶谱分析中的双谱和双相干谱, 精确提取包含不同振动入侵信号类型的特征矢量; 最后在BPNN参比模型的基础上, 用粒子群算法优化SVM的识别参数, 使识别模型具有更强的自适应和自学习能力, 克服了神经网络易陷入局部最优的不足之处, 实现不同振动入侵信号的特征矢量识别。 分析结果表明, 针对不同类型的入侵源识别, 该方法可以有效剔除随机噪声的影响, 提取传感信息的特征矢量, 降低异常值的影响, 算法的预测类别与输出类别几乎一致, 振动识别的精确率达到95%以上, 识别效果明显强于BPNN网络的检测算法, 提高了信息分析的准确性。