分布式光纤传感系统具有灵敏度高、抗腐蚀性好、抗电磁干扰能力强等突出优点,已广泛应用于电力系统、周界安防、地震波探测等领域。其中,基于直线型Sagnac原理的光纤传感系统由于布置便捷、无相位衰落且对光源的线宽要求低而备受关注。鉴于上述原因,论文重点分析了直线型Sagnac光纤传感系统及其信号判别方法。具体来说,论文主要就以下几个方面开展了研究工作:（1）针对直线型Sagnac光纤传感系统背景噪声强特点,论文提出一种基于鲁棒性主成分分析（Robust Principal Component Analysis,RPCA）与改进小波去噪相结合的声音降噪算法。该算法首先使用RPCA方法对系统采集的信号进行声音分离,然后再结合改进的小波阈值去噪算法与低通滤波器对分离后的含噪声音信号进行降噪处理。测试结果表明,所提算法能够在强噪声背景环境下将信噪比（Signal-to-noise Ratio,SNR）提高12～22d B,质量评估测试值提高0.6～0.9,这表明所提算法能够对系统采集的声音信号实现有效降噪。（2）为准确有效地表征不同信号之间的特点以区分入侵信号和环境干扰信号,论文利用梅尔倒谱系数（Mel Frequency Cepstral Coefficient,MFCC）-能量熵特征提取算法对上述降噪后的声音信号进行处理。利用MFCC方法,首先提取上述降噪信号的前13维系数;为提高运算效率,采用基于主成分分析（Principal Component Analysis,PCA）算法对信号MFCC进行降维;然后分解上述降噪后的声音信号并提取其能量熵,将降维后的MFCC与能量熵融合得到最终声音信号的特征参数。实验结果表明,与其他算法相比,论文所使用的特征提取算法能够有效提高系统判别的准确率。（3）为提高系统模式识别率,本文采用了经斐波那契树优化（Fibonacci Tree Optimization,FTO）算法优化后的支持向量机（Support Vector Machine,SVM）模型对入侵信号进行判别。基于SVM模型,使用FTO算法对SVM模型进行参数寻优,然后将经降噪和特征提取的数据输入模型进行训练。测试结果表明,本文所提的FTO-SVM算法平均识别准确率可达96.58%左右,这表明该算法能较好的判别入侵信号,这对进一步推动系统在能源、电力及周界安防等领域的应用具有重要参考价值。