布里渊光时域反射（BOTDR）分布式光纤传感系统具有结构简单和单端测量等优点,能够实现温度和应变的大范围、同时测量,在大型建筑和设备的健康状态监测和故障诊断领域展现出独特的优势并得到了越来越多的关注和研究。然而,由于BOTDR传感系统性能指标相互制约,使其仍无法满足很多应用场合中对测量精度和测量时间的要求。针对BOTDR传感系统的性能优化问题,本文在深入研究BOTDR传感系统特性的基础上,分析系统信噪比影响因素,提出结合多频入射光和频移平均的系统信噪比提升方法实现高精度测量;根据布里渊散射信号的特点,研究并提出采用人工神经网络、数字图像边缘检测和卷积神经网络提取特征信息的方法,在保证测量精度的同时有效地缩短系统测量时间。本文主要研究工作如下:（1）提出了一种BOTDR传感系统信噪比优化方法。首先,研究了 BOTDR传感系统的本地外差检测和自外差检测原理并分析了系统信噪比影响因素;然后,从提高信号强度并减小相干瑞利噪声的角度,提出了采用多频入射光结合频移平均的方法提升系统信噪比;最后,分别搭建了本地外差检测和自外差检测BOTDR温度传感系统进行验证。实验结果证明,当采用三频入射光并作多次频移平均后,系统信号和散射谱参数的幅度波动得到了有效地抑制,本地外差检测和自外差检测系统信噪比分别提高了 8.15 dB和7.92 dB,能够实现的最高温度测量精度分别为0.34℃和0.36℃。（2）提出了一种用于BOTDR传感系统温度特征提取的神经网络优化训练方法。首先,研究了神经网络提取温度特征的原理并分析了网络训练集数据与测试集数据存在差异的问题;然后,通过估计系统信号噪声水平,提出了采用添加噪声的数据对神经网络进行训练的方法,构造了不同类型的训练集数据训练神经网络;最后,搭建了 BOTDR温度传感系统,对比了由不同训练集数据得到的神经网络的温度提取结果,分析了扫频间隔和系统信噪比等因素对温度提取结果的影响。实验结果证明,对理想布里渊散射谱数据添加一定量的噪声,能够有效地提高神经网络的泛化能力和适应性,进而提高BOTDR传感系统的温度测量精度。（3）提出了一种基于极限学习机网络的BOTDR传感系统温度特征提取方法。首先,研究了传统神经网络需要人为设置网络参数的问题并分析了极限学习机网络的特点;然后,提出了采用极限学习机网络提取温度特征的方法,构造训练集数据对网络进行训练;最后,搭建了 BOTDR温度传感系统,对比了曲线拟合法和极限学习机网络提取温度的结果。实验结果证明,极限学习机网络能够实现BOTDR传感系统的温度特征提取,即使在较大扫频间隔的情况下仍能够保证温度测量精度,最高温度测量精度为0.21℃;而且与曲线拟合法相比,采用极限学习机网络提取温度特征能够大大减少系统测量时间,仅需3.9812 s就能够处理9200个以16 MHz为扫频间隔得到的布里渊散射谱数据。（4）提出了一种基于二阶边缘检测算子的布里渊散射谱图像特征提取方法。首先,研究了二维布里渊散射谱图像区别于一维布里渊散射谱的特点并分析了数字图像边缘检测提取布里渊散射谱特征的可行性;然后,提出了采用二阶Laplacian边缘检测算子提取布里渊频移特征的方法,实现了布里渊散射谱图像中屋顶状边缘的提取;最后,搭建了 BOTDR温度传感系统,分析了二阶Laplacian边缘检测算子提取布里渊频移特征的精度和时间。实验结果证明了采用二阶Laplacian边缘检测算子提取布里渊散射谱图像中频移特征的可行性和有效性,提取精度优于一阶Sobel边缘检测算子,提取时间优于曲线拟合法。（5）提出了一种基于卷积神经网络的温度和应变同时测量方法。首先,研究了利用具有多个布里渊散射谱峰的大有效面积光纤实现温度和应变同时测量的解方程法并分析了存在的问题;然后,在研究卷积神经网络的基础上,提出了一种采用卷积神经网络处理多峰布里渊散射谱图像并实现温度和应变同时测量的方法,构造了卷积神经网络训练集数据,设计了卷积神经网络结构;最后,对卷积神经网络进行训练和测试。仿真结果证明了卷积神经网络能够提取多峰布里渊散射谱图像中的温度和应变信息,避免了解方程法耗时和易产生较大误差的问题,有效地减少了 BOTDR传感系统测量时间并提高了测量精度。