近年来,分布式布里渊光纤传感器被广泛应用在桥梁监测、地质灾害和油气管道泄漏检测等基础设施安全监测领域,布里渊频移提取是其关键技术。在处理布里渊增益谱时引入图像处理和机器学习算法,能够有效提高系统信噪比,实现布里渊频移的高效提取。因此先进的信号处理算法对布里渊传感系统的长足发展具有重要意义。稀疏表示作为一种新型的信号处理方法,在特征提取、信号降维、图片压缩等领域发挥着重要的作用。通过在超完备字典中选取少量原子来表示原信号,稀疏表示能获得其在稀疏域上的主要特征,让后续信号处理更加简洁。本文将稀疏表示理论引入布里渊传感系统中,通过字典学习K均值奇异值分解（K-SVD）算法获得布里渊增益谱的稀疏表示,并利用其具有的独特稀疏性完成布里渊增益谱的噪声滤除和频移提取。本文主要的研究内容和创新成果如下:（1）将固定的离散余弦基和K-SVD算法得到的字典分别应用于三维布里渊增益谱分析,获得对应的稀疏表示。在过完备字典表示下,每个布里渊增益谱的稀疏度可统一为3,且三个稀疏表示系数与增益谱的峰值增益、布里渊频移与谱宽具有相关性。（2）利用布里渊增益谱在过完备字典下具有稀疏性,而噪声不具有稀疏性的特性,在获得增益谱稀疏表示的同时对噪声进行滤除。去噪前后布里渊频移不确定度分别为1.4 MHz和0.6314 MHz,去噪后频移测量不确定度降低。与经典图像去噪算法相比,这种方法不会导致空间分辨率的明显恶化,能够在去除噪声的同时提高系统测量精度。（3）通过进一步分析基于K-SVD的稀疏表示理论与布里渊增益谱的洛伦兹分布规律,建立了稀疏表示系数与布里渊增益谱三个物理参量之间的数学联系,提出了基于两步字典学习过程的布里渊频移提取方法。实验证明,字典学习得到的稀疏系数与布里渊频移的线性相关度达到0.97以上,能在运算速率提高6倍的同时获得与洛伦兹拟合方法同样的测量精度。在10km的光纤传感距离上,该算法平均处理时长34s,温度测量不确定度为0.3211℃。