相敏光时域反射仪（Phase-Sensitive Optical Time Domain Reflectometer,Φ-OTDR）是一种具有代表性的分布式光纤传感技术,广泛应用于结构探伤、管道监测以及国土安全等振动传感领域。本文基于输油管道入侵事件的检测,研究了Φ-OTDR系统的信号处理和信号识别问题。文章研究了Φ-OTDR系统应用于输油管道入侵监测的原理,并进行了现场入侵实验,同时重点研究了基于神经网络的入侵事件定位和识别的算法,并针对过去算法难以同时实现事件定位和识别的局限性,提出了基于目标检测思想的检测方法,最终使用改进的目标检测网络,实现了对三种扰动事件的定位和识别。本文实验内容和研究成果如下:1、研究了Φ-OTDR系统应用于输油管道入侵检测的原理,并开展了现场实验,采集目标信号。在输油管道的地表进行人为捶打、人为挖掘以及人为跳跃三种现场实验,模拟管道的入侵事件及非入侵的干扰事件。采集三种事件的信号,为后续信号处理和分析打下基础。2、研究了光纤信号的信号处理及信号分析问题,重点研究了基于神经网络的信号分析方法。给出了从采集信号到信号预处理、信号分析的流程,并提出了一种新的、基于目标检测网络的入侵事件检测方法。实验中以YOLOv3（You Only Look Once Version 3）网络为基本结构,改进网络的特征提取部分和分类器,提升了网络的检测精度,同时提高了网络的训练速度和检测速度,实现了对三种不同事件的定位和识别功能。3、研究了采集样本的数据增强问题。基于该实验中对数据增强的客观要求,讨论了几种传统数据增强方法对于网络检测效果的影响。除此之外,研究了基于生成对抗网络的数据增强方法,并搭建深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks,DCGAN）,生成三种不同入侵事件的新样本。最终选择图像移位和生成对抗作为数据增强手段,实验显示,使用数据增强方法有效提高了网络的检测效果。