光纤布拉格光栅（fiber Bragg grating,FBG）和长周期光纤光栅（long period fiber grating,LPFG）传感器具备一系列优点,得到了广泛应用。提出了利用脉冲激光沉积（pulsed laser deposition,PLD）在光栅包层上镀制Sr Ti O₃（STO）和Zn S_0.7Co_0.3这两种纳米薄膜的新方法,研究了镀膜前后的灵敏度,具体内容如下:裸FBG和裸LPFG比较脆弱,在恶劣环境下会受到破坏,因此,裸光栅需要有防护涂层。分别对FBG和LPFG传输耦合模理论进行了分析,探究了温度、应力和折射率传感原理,得到了相应的灵敏度系数公式。STO和Zn S:Co具有较光栅自身二氧化硅材料更高的热光系数和热膨胀系数,可实现温度增敏。两种材料的高折射率可提高纤芯模式和包层模式之间的耦合能力,可实现对LPFG的折射率增敏。通过PLD对FBG和LPFG包层进行了镀STO与Zn S_0.7Co_0.3薄膜实验,在FBG温度传感实验中,镀膜后温度传感灵敏度约为9.97pm/℃,相较于镀膜前（7.8pm/℃）灵敏度提高了约28%。另外提出了几种实用结构,其中,Sagnac干涉型光纤传感器的灵敏度更大,达到了11.4pm/℃,提高了46.2%。在级联光路、Michelson干涉结构中,灵敏度分别为9.0pm/℃和10.5pm/℃。LPFG耦合波长和强度的变化因模式重组而分段表现出线性传感特性,镀膜后,温度和折射率传感灵敏度均得到了分段提高或整体提高,其中,镀Zn S_0.7Co_0.3薄膜的LPFG在80℃至180℃范围内的灵敏度是裸光栅的2.1倍。镀STO薄膜的LPFG在110℃至180℃范围内灵敏度是原来的3.1倍,在折射率1.333至1.370范围内灵敏度是原来的1.98倍,并且增加了强度传感的范围和灵敏度。为统一分析光栅传感器的特性,不局限于研究一个峰值点的变化规律,进一步对峰值周围谱型的变化做以预测分析,提高光谱波长的可利用范围,基于Ridge CV、Lasso CV和多项式扩展的机器学习算法对镀Zn S_0.7Co_0.3薄膜的FBG及所有镀膜前后的LPFG传输光谱进行模型训练和预测分析,以决定系数²对模型进行评估。其中Ridge CV回归的预测效果比Lasso CV更好,²随着多项式阶数的提高而增大,几乎都具备较好的鲁棒性。对光栅镀膜后的预测效果普遍显著好于裸光栅,这也证明了光栅镀膜后可以实现增敏效果,线性度变大,稳定性增强。这为光栅包层镀制铁电薄膜材料和过渡金属掺杂的硫系半导体材料,再以机器学习算法对传感性能做进一步分析,对光谱的变化规律和特征进行预测,以及根据预测光谱预知复杂的环境变化开辟了新的思路。