与其他分布式光纤传感系统相比,基于相位敏感型光时域反射仪（Phasesensitive optical time domain reflectometer,Phi-OTDR）的分布式传感系统具有灵敏度高、多点同时定位、抗电磁干扰、成本相对较低以及检测准确等优点,在诸如机场周边、军事基地、国家边界及石油天然气管道等长距离安全监测方面具有广泛的应用前景。但是实际应用环境中,由于噪声或者非入侵性扰动存在,会导致系统出现误报,并且在多位置点扰动事件同时发生时,多点扰动事件的准确识别问题也是系统亟待突破的关键问题。本文针对Phi-OTDR的分布式传感系统的单点及多点扰动事件,开展模式识别方法研究。通过采用多维度特征,并进行两轮特征适应性选择,结合轻量级梯度学习机（Light Gradient Boosting Machine,LightGBM）进行Phi-OTDR传感系统扰动事件的模式识别,并针对多点扰动可能出现的三种情况分别给出解决方案。本论文完成的主要研究工作如下:（1）根据Phi-OTDR分布式光纤传感系统原理搭建实验系统平台,并针对实际场景中出现的浇水、攀爬、敲击、碾压、无扰动（环境噪声）五种扰动事件进行模式识别。对采集到的传感信号进行数据差分、分割和归一化预处理;根据信号的特点,从原始归一化信号和差分归一化信号的时域、小波域、经验模态分解后时频域和类语音信号特性等多维度中,共提取40个特征;为防止特征存在冗余,采取两次分级特征筛选,最终优化得到14个明显的特征,从信号的特性出发使得信号利用最大化。（2）针对实际需求和分类器本身的特点,提出一种基于轻量级梯度提升机分类器的事件识别算法。通过剩余样本测试该方法的准确率、精确率、召回率、F1分数等指标。浇水、敲击、攀爬、碾压、无扰动五种事件的准确率分别为98.38%、98.13%、96.02%、94.86%、99.70%,F1分数依次为97.78%、98.12%、95.62%、96.35%、99.17%,平均识别率和平均F1分数均为97.41%。事件平均识别时间在0.3s左右。（3）针对实际应用中可能出现的多点入侵事件,进行了多种识别方案研究。针对小范围识别,提出基于多单点分类器的多点模式识别方案;针对大范围识别,引入支持向量机、梯度提升树、LightGBM单综合分类器进行多点模式识别,并将三者识别效果进行对比。基于LightGBM的算法以96.76%的平均精确率、召回率和96.75%的F1分数表现最佳。针对模糊定位数据提出基于多叉树的多点识别算法,可以精确识别出扰动位置及其事件,五种事件的平均识别率依次为95.90%、97.08%、92.72%、94.32%、99.43%,总的平均识别率为95.89%。实验结果验证了多点识别方案的可行性。