基于相位敏感光时域反射计(φ-OTDR)的分布式光纤传感系统,具有结构简单稳定、空间分辨率高、可实现多点同时监测等特点,广泛用于军事、核工业、石化、医疗等领域,成为分布式光纤传感领域的研究热点。本文针对φ-OTDR模式识别方法,设计实验采集数据,综合不同分类原理分类器的各自优点,提出基于专家系统的φ-OTDR模式识别方法,有效提高φ-OTDR系统的事件分类正确率。本文完成的主要研究工作如下:(1)在φ-OTDR理论研究基础之上,搭建实验装置,完成采集踩踏、跳跃、敲击和无扰动四类事件时域信号的实验。(2)对时域信号进行信号的初步预处理,通过特征频段能量提取方法达到了定位目的。(3)提出经验模态分解重构法与谱减法相结合的方法,对上述信号进一步降噪,降噪后平均信噪比为17.88,并划分出踩踏事件:32个、跳跃事件:30个、敲击事件:30个、无扰动事件:50个,共142个样本。(4)使用类内距离和类间距离为评价标准,对降噪后的时域信号提取了12维特征向量,分别为:最大值、最小值、平均值、整流平均值、波形因子、脉冲因子、峰值因子和裕度因子和每个样本的前四个IMF能量;提取了降噪信号划分后,每个样本的前1000个数据作为1-D CNN样本数据。(5)提出基于模型的专家系统分类结构,通过5折交叉验证对三个子分类器和该模型进行了训练和调参,其平均验证分类正确率为SVM:91.70%、BP神经网络:92.56%、1-D CNN:96.42%、基于模型的专家系统分类结构:98.75%。所提出的分类方法优于单分类器分类正确率,验证了本文所提出的基于模型的专家系统分类结构,对于分类正确率提升的有效性。