安全监测,作为保障人们生活生产稳定持续的前提,在经济飞速发展的今天越来越受到人们的重视。光纤传感技术通过光纤链路感知外界信息转化为可视化数据,很早便被广泛地应用于各种安全监测中,分布式光纤传感技术作为光纤传感技术的重要分支,由于链路轴向无限延伸的特点,因此更利于形成安防监测的传感网络。同时,为了应对复杂环境下安全监测的高误判率问题,模式识别学科随着人工智能兴起而得以迅速发展,在分布式光纤传感技术在安全监测的应用上具有十分重要的研究价值。本论文针对上述安全监测需求,分别研究了基于白光干涉和基于相位敏感光时域反射的两类分布式光纤振动传感器,并重点针对光纤周界安全监测和管道健康监测两类典型应用进行了测试验证,以及对两类应用的干扰事件进行特征分析和模式识别分类,最终实现了多种事件类型的准确识别。论文的主要内容包括:(1)研究基于白光干涉型直线Sagnac结构的分布式光纤传感器,并搭建实验平台对光纤周界安全监测中四种典型干扰事件——行人脚踩、自行车驶过、敲击围栏和切割光纤,进行事件模拟和振动信号采集,同时对这四种干扰事件的信号进行包括小波阈值去噪和信号切分的预处理。(2)提出了基于支持向量机的光纤周界安全监测四种干扰事件的模式识别算法。对四种干扰事件的切分信号进行包括时域上的切分片段间隔、切分片段长度、切分片段强度峰均比和频域上的频带能量分布等方式的特征提取和分析;采用支持向量机的方法对光纤周界安全监测的四种干扰事件进行分类器训练和模式识别,最终实现了较高的周界干扰事件识别正确率。(3)研究基于相位敏感光时域反射仪结构的分布式光纤传感器,并搭建实验平台对管道健康监测中的内部损伤和外部破坏(管道泄漏、第三方挖掘)两种管道干扰事件类型进行事件模拟、振动信号检测和预处理。(4)提出了基于人工神经网络的管道健康监测两种干扰事件类型的模式识别算法。对内部损伤的管道损伤区域,和外部破坏中的泄漏、第三方挖掘分别进行时、频域分析和特征提取;采用人工神经网络的方法对管道内部损伤检测中的整根受损管道和具体受损区域进行分类器训练和模式识别,最终实现了受损管道的损伤检测;同时采用同样方法对管道外部破坏中的泄漏和第三方挖掘两种干扰事件进行分类器训练和模式识别,最终实现了两种干扰事件的事件检测。