光纤分布式拉曼温度传感系统因其较远的传感距离、对温度单一敏感性、较高的灵敏度、相对简单的结构和抗电磁干扰等特性被广泛应用在电力系统线路监测、石油和天然气管道的监测、核工业的安全监测等场景。在保证空间分辨率的前提下,温度测量的精度和稳定性是保证其应用效果的关键技术指标。分布式拉曼温度传感系统通常利用斯托克斯光作为反斯托克斯光的参考光进行温度解调,但是两者存在较大的波长差异,导致两者损耗不一致,进而影响温度解调的准确性。如果只用反斯托克斯光解调,很容易因为光纤中其他损耗的变化而发生光强变化,从而影响解调温度的准确度。有研究者提出环路解调的方案,只利用反斯托克斯光信号,消除了波长相关损耗,通过环路求平均的操作,消除了光纤损耗的影响。但是环路结构增加了光纤长度,而且双端的设计会使其使用场景受限。结合环路解调方案和多芯光纤的空分复用特性,本文提出一种基于多芯光纤的分布式拉曼传感系统环路解调方案,并设计了基于一维卷积神经网络的信号处理算法,提升了系统稳定性的同时保证了系统的性能。本文主要研究内容如下:（1）提出一种基于多芯光纤的分布式拉曼传感系统环路解调方案。通过利用多芯空分扇入扇出器件将多芯光纤的两个芯连接形成环路,再利用光开关控制脉冲光传播的方向,最后利用两个方向的反斯托克斯光对温度进行解调。相比于双路解调的方案,本方案只利用了反斯托克斯光进行解调,避免了色散的影响,显著提升了系统的稳定性。（2）考虑到环路结构会导致系统信噪比降低,进一步研究了基于卷积神经网络的信号处理算法。首先仿照二维去噪神经网络的结构搭建起一维去噪卷积神经网络,再使用仿真的系统信号和仿真的高斯白噪声作为训练集对提出的卷积神经网络进行训练。然后设计对应的实验测试1DDCNN对实际信号的去噪能力。1DDCNN信号处理过程仅耗时0.2s,将系统的测温精度从6.4℃提升至0.7℃,该精度远高于传统的小波阈值去噪算法,并且1DDCNN的去噪能力不受温度、信噪比、采样率和空间分辨率影响。（3）利用训练好的1DDCNN处理基于多芯光纤的分布式拉曼传感信号,成功将系统的温度精度从4.1℃提升至1℃,显著提升了系统性能,保证了基于多芯光纤分布式拉曼传感系统的正常使用。