在周界防入侵应用中，由于环境的复杂多变，传感器易受到各种环境干扰的影响，为了降低环境干扰带来的系统漏警和误警，研究高干扰环境下的入侵行为识别问题具有极其重要的意义。本文工作源于国家科技重大专项，以加速度传感器为主要探测手段，以面向隔离栅围栏的传感网周界防入侵系统为应用背景，重点研究高干扰环境下的入侵行为识别问题，主要工作及创新点如下:　　 (1)根据不同入侵行为和常见环境干扰的特征差异，在引入提升小波包能量分解方法提取频域特征的基础上，结合围栏倾角特征、时间相关性特征和空间相关性特征，提出了基于类内类间可分性判据的特征优化模型，并采用遗传算法对最优子带能量进行划分。实验结果表明，算法降低了常见环境干扰造成的误警，提高了入侵行为识别正确率。　　 (2)在分析大风干扰特性的基础上，提出了时间去相关的改进维纳滤波模型，并提出了一种基于提升小波分解的最小均方模型求解算法;在分析地面强震干扰特性的基础上，提出了一种基于空间去相关的干扰对消模型，分别采用了基于主成分分析和基于独立分量分析的模型求解算法;在分析雨滴干扰特性的基础上，在利用雨滴信号先验知识的基础上，采用了带参考信号的独立分量分析方法。实验结果验证了上述算法有效提高了常见环境干扰与入侵行为同步发生的情况下对入侵行为的识别正确率。　　 (3)针对环境干扰样本空间分布不确定的问题，利用了多个超球面支持向量机进行多分类，并基于特征选择的多分类优化模型，提出了一种改进的小生境遗传算法的模型求解方法。实验结果表明，算法提高了在未知环境干扰存在的情况下的识别正确率和稳定性。　　 (4)针对特定应用环境中多源同类冲突信息导致融合高错误率的问题，基于假设推理法的思想对证据融合进行了改进，提出了一种改进的证据修正合成方法。实验结果表明，提出方法提高了对入侵行为识别的正确率和稳定性。