相位敏感光时域反射仪(phase-sensitive optical time domain reflectometer)简称Φ-OTDR,作为一种新型的分布式光纤传感技术,在许多信息检测领域中都有相当大的应用前景。在各种监测场所中,单纯的对光纤振动信号定位已经不能满足Φ-OTDR技术的要求,这就需要通过信号处理方法对振动信号类型进行正确识别。本文研究了Φ-OTDR分布式光纤传感系统的理论基础和传感原理,提出了希尔伯特变换(Hilbert transform)和局域均值分解(LMD)复合的振动信号特征提取方法,并使用Elman神经网络对振动信号进行分类识别,提高了振动信号类型识别的正确率。本文主要的研究内容如下:(1)对Φ-OTDR分布式光纤传感系统的基本原理进行了研究分析。叙述了后向瑞利散射的产生原理,列出后向瑞利散射信号传输的一维数学模型,结合相干探测原理对Φ-OTDR阐述了系统传感原理和振动信号的检测原理。(2)建立了基于相干探测的Φ-OTDR分布式光纤振动传感实验系统。采用振幅差分法对压电陶瓷(PZT)模拟的振动事件进行提取和定位,实现Φ-OTDR振动传感系统的信噪比为12.7d B,空间分辨率为10m。利用二维信号矩阵傅里叶变换的方法实现了振动信号位置信息和频率信息的同时提取。(3)主要介绍了振动信号分类识别系统中的核心,利用滑动均值滤波对振动信号进行降噪预处理,使用希尔伯特变换和LMD分解复合的方法对振动信号进行特征提取,提出了Elman神经网络对振动信号进行分类识别。对部分振动信号数据做了离线处理实验,通过实验分析证明了Elman神经网络分类识别方案的可行性。(4)基于Labview和Matlab完成了Φ-OTDR分布式光纤振动系统的软件平台开发,并在实验室采集了用于分类识别的振动信号。利用PZT模拟振动采集了40Hz、80Hz、100Hz和500Hz的振动信号,通过提取的信号样本对Elman神经网络分类识别算法进行验证。实验结果表明:Elman神经网络能对4种频率的振动信号分类识别的平均准确率可以达到92.5%,而在原4种信号中加入15Hz的振动信号之后重新组成5种频率的振动信号,其分类识别的平均准确率为87.2%,对单类振动信号最高识别率为98%。