分布式光纤传感系统具有无需外场供电、抗电磁干扰能力强、探测灵敏度高、监测范围广、便于集成等优势，已经成为了传感器领域的研究热点之一。目前，分布式光纤传感系统已广泛应用于油气管道状态检测、大型结构探伤、国土安全监控等诸多领域。在众多类型的分布式光纤传感技术中，基于相位敏感光时域反射器(Φ-OTDR)的传感系统凭借着其空间分辨率高、系统结构简单、可同时定位多个扰动事件等优点，成为当前长距离分布式光纤传感系统研究的主流方向之一。本文针对Φ-OTDR分布式光纤传感系统在实际应用中遇到的误报率较高、对于扰动事件是否有害判别不清的问题，提出了基于概率神经网络(PNN)模型分类器的扰动事件模式识别方法，有效实现了对不同类型的扰动事件的区分。
　　本文主要完成的研究工作如下:
　　(1)在理论研究Φ-OTDR分布式光纤传感系统的原理及其系统的输出信号特征的基础上，构建了基于Φ-OTDR分布式光纤传感实验平台，实验采集浇水、攀爬、敲击与碾压四类扰动信号以及无扰动时的输出信号，研究了时域信号及时域差分信号相应的特征值的提取并将扰动信号划分为测试样本，为后续扰动信号模式识别研究奠定了基础。
　　(2)提出了基于概率神经网络模型的扰动事件模式识别方法，并通过样本数据加以实验验证。实验结果表明该方法对于五种事件类型(浇水、攀爬、敲击、碾压与无扰动)的平均识别正确率达到了97.57％、95.68％、99.92％、99.08％、99.97％，该方法可以有效区分不同扰动事件，但实时性较低。网络模型的建立与识别的平均时间为1.1369秒。
　　(3)根据概率神经网络模型的工作流程，为了实现在保证识别准确性的前提下改善算法的实时性，提出了通过使用平均影响因子的改进方案与通过使用主成分分析方法的改进方案，并通过仿真实验对两种方案加以验证。两种方案的对五种情况的平均识别正确率分别达到了93.36％、92.48％、97.01％、96.99％、99.60％和96.80％、94.13％、99.36％、98.45％、99.95％，两种改进方案的识别时间分别为0.8745秒和0.9308秒，较原始模型有所提高。
　　(4)根据现有样本数据探索一种“删减-放回”的样本库构建方法，并利用这种方法建立起两种改进模型样本占总样本比重为70％、60％、50％、40％的样本库，并加以实验验证分析。试验结果表明在现有数据基础上，在使用占比为50％以上的样本库进行识别工作仍可以得到90％以上的正确率。