分布式光纤测振传感系统是基于φ-OTDR原理,该系统可实现对入侵振动信号的精确解调,并具有探测距离长、定位精度高、信号响应频带宽、能够进行信号智能模式分析等综合优势。本文拟结合石油/天然气管线的实际应用需求,针对车辆行驶、人员活动、盗挖盗采等事件进行模式行为分析研究。本文提出一种基于模式识别与图像处理相结合的方式,通过利用多种分类器组合判断的方式,有效克服了单一模式识别方法的局限,可以在很大程度上降低系统的误报率、漏报率,使系统能更好应用于实际,满足现场需求。文章的研究工作主要为以下几点:(1)详细阐述了φ-OTDR基本原理,其中包括其散射模型、响应模型、接收原理和检测方法。并以此原理为基础,设计了本文中分布式光纤测振系统的光路结构图,提出用于该系统的算法框架,为下文提供理论研究的指导。(2)阐述小波滤波原理,结合具体应用场景,设计信号分析和预处理算法,采用差分计算寻找全段扰动点,在对扰动点进行小波滤波计算,可以减少冗杂计算,提高实时的计算速度。(3)提出了一种组合的模式识别模型用于分布式光纤测振传感系统中,针对目前分布式光纤测振系统仅使用单一算法对全段进行分类,设计了三种模式识别算法,拟采用BP神经网络、LVQ神经网络和决策树,并且可以进行分段设置,其中每个算法均由3个不同分类器进行综合判断,然后输出。通过实验结果,可知该算法有助于提高分布式光纤测振系统的模式识别的准确性。(4)提出了一种基于图像的信号处理方法。将该方法与现有的模式识别算法结合,既利用了信号时间域上的信号特征,又利用了信号空间域上的特征,同时实现单点判断和区域判断,且互不影响,分别输出各自的判断结果。通过联合判断,可有效降低系统误报率。