分布式光纤传感技术由于具有全分布式传感、抗电磁干扰、耐腐蚀和超远距离传感等优点,广泛的应用在边界安防、管道运输监测、铁路桥梁健康监测等方面。其中,相位敏感光时域反射计（φ-OTDR）对扰动非常敏感,可以实现多位置、多类型扰动的同时定位和扰动时域信号的提取,所以φ-OTDR系统广泛的应用在长距离监测环境中。但是在实际应用中,由于外界环境噪声较大,而且系统灵敏度高,所以极易受噪声影响产生扰动定位不准确和扰动类型误判等现象。本文基于φ-OTDR系统展开研究,主要工作是提升系统对扰动的定位能力和对扰动类型的判定能力。论文主要包括以下内容:（1）介绍多种常用的分布式光纤传感技术及研究现状,学习φ-OTDR系统的工作原理,搭建φ-OTDR系统,对系统的空间分辨率、频率响应范围、频率响应分辨率做了详细的分析和测试。（2）在实验室进行多组实验对φ-OTDR系统的定位能力进行测试,在扰动定位方面,本文采用空频能谱定位法实现扰动的定位,该方法与差分定位法相比,具有抗噪声干扰、定位准确并且可同时测量扰动频率的优点。共进行3种类型的实验,分别测试空频能谱定位法对扰动频率的测量精度、扰动的定位误差以及对不同类型扰动的分析能力,得出扰动频率测量精度为1Hz,扰动定位误差小于10m,该结果符合预期。（3）将一维卷积神经网络（1D-CNN）应用在φ-OTDR系统扰动类型识别中,利用所采集的扰动时域信号经小波降噪后构建扰动数据集,共分为5种类型,分别是无扰动、正弦50Hz扰动、正弦100Hz扰动、敲击扰动、碾压扰动。经模型参数优化后,该模型对5种类型扰动的平均识别率在98%以上。（4）该模型可直接通过分析降噪后的时域信号实现扰动的分类,所以,可将模型应用在φ-OTDR系统扰动定位中,但是存在一定的误报率。经判别算法优化后,该模型实现了对行人走路扰动的定位,定位结果与空频能谱定位法相近。