M-Z干涉仪型光纤分布式扰动传感系统具有结构简单、检测范围广、不需要外场供电以及不受电磁干扰等优势，在周界安防、输油管道等领域具有广泛的应用前景。本文以提高双M-Z干涉仪型光纤分布式扰动传感系统的扰动事件识别精确度为目标，开展适用于双M-Z干涉仪型光纤分布式扰动传感系统的模式识别算法的研究，基于传感输出信号短时频率随外界扰动变化的特点，提出了基于短时频率-时间特性的模式识别算法，并通过了实验验证。　　本文主要进行了以下几个方面的研究工作:　　1，双M-Z干涉仪型光纤分布式扰动传感系统的传感原理研究。从光波导理论出发，结合光纤的弹性理论，推导出传感器的输出信号与外部扰动信号之间的关系，提出了以传感输出信号的频率-时间特征作为模式识别特征。并研究了当前主流的信号频率-时间特征提取算法以及主流模式识别算法。　　2，传感输出信号频率-时间特征提取算法的研究。从理论和实验中深入分析了几种主流的信号频率-时间特征提取算法，结合各算法的优缺点与传感输出信号特点，提出了基于信号短时平均过电平率的特征提取算法，大大降低了运算复杂度并提高了运算速度。　　3，信号降维算法与消除特征时间对齐误差算法的研究。针对应用人工神经网络算法在处理信号频率-时间特征所存在的问题，引出信号降维与消除时间对齐问题的必要性。由数学图形学思想中得到启发，选择了将信号特征数据采用“重叠”技术分段，并对各段数据建立多个模型，采用动态时间规划算法对多个模型进行筛选，从而得到最佳模型的信号处理方法。一方面，使用模型参数代替了信号段数据，大大降低了特征信号的维度，从而降低了人工神经网络的训练难度;另一方面，采用动态时间规划算法进行模型选择，在一定程度上解决了人工神经网络对于时间对齐问题过度敏感所带来的识别错误，提高了系统的环境适应能力。实验结果表明，该方法可以有效区分瞬时作用、长时作用、径向作用和不规则作用等多种不同扰动事件，平均识别速度在0.26秒之内，平均识别准确度在97.4％以上。