相干瑞利散射(Ф-OTDR)分布式光纤预警系统通过检测光纤各部分后向散射光的光强,实现对外部侵扰活动的检测及其定位。在光纤预警系统中,外部侵扰信号的分类识别至关重要。若产生误报,不但造成人力物力上的浪费,严重时可能延误处理时机甚至危及生命财产安全。因此如何准确识别入侵事件种类,及时报警,减少误报,避免不必要的资源浪费一直是光纤预警系统研究的关键问题,受到研究者的广泛关注。本文在课题组Ф-OTDR光纤预警系统研究的基础上针对传统模式识别方法应用到光纤预警系统中存在的缺陷和不足,重点研究管道外部入侵事件所激发的信号特征,提出了高精度、高效率的模式识别方法。分析Ф-OTDR分布式光纤传感原理及入侵信号产生机理,研究入侵信号传播过程,建立入侵信号传播模型以及光纤预警系统中信号转换模型,解释了外力作用于光纤预警系统时检测信号的产生和传递过程。由于Ф-OTDR光纤预警系统得到的散射曲线在空域上无法反应信号特征,因此将曲线在时域上连缀进行时-空重构。对时-空域信号重构过程进行建模仿真,分析不同类型事件在时-空域的特征,对于信号特征分析和模式识别方法设计提供了理论依据。针对先定位后提取信号特征的方法受初始相位的影响容易产生定位误差,造成特征向量可分性差,导致模式重叠,本文提出了脉冲扫描成像形态特征提取方法,首先将时-空域信号进行区域分割,然后提取事件区域的形态特征作为特征向量,并利用计算散布矩阵的方法进行特征选择,得到时-空域信号最优特征向量。在分类器设计环节,为了满足Ф-OTDR光纤预警系统在线实时监测的要求,针对三种典型入侵事件信号非线性、小样本的特点,本文提出了相关向量机分类识别方法。针对不同的特征向量分布选择不同的核函数。采用一对一的多分类决策满足相关向量机多分类的需求,并采用交叉验证的方法来测试分类器性能。通过三种典型的管道入侵事件对本文的方法进行验证,结果表明本文提出的脉冲扫描成像信号特征提取方法能够显著提高分类准确率以及识别效率,同时,本文提出的相关向量机分类识别方法相比传统的分类器具有更好的学习和泛化能力。对于Ф-OTDR光纤预警系统,本文提出的模式识别方法能够快速、精准的识别入侵事件种类,减少误报,满足现场实时监测的要求。