随着光纤传感、光通讯技术日新月异的发展,基于布里渊散射的分布式光纤传感系统在结构检测、温度检测和应变检测领域越来越受关注,并应用于国民经济和国防等产业领域。随着传感距离的增加、传感分辨率的提高,传感系统中的数据处理量急速增长,传统的数据处理方法越来越难以满足传感系统对于实时性的需求。国内外学者提出了互相关卷积法(cross-correlation convolution method,XCM)、人工神经网络法等方法来应对上述需求,但是这些方法还有提升的空间。本文从传感系统精确度与实时性要求出发,研究互相关卷积法,并针对其不足提出了两种优化方案。具体工作和创新点如下:(1)现有的稀疏约束互相关迭代算法无法正确恢复布里渊增益谱线型,本文提出了基于稀疏约束互相关的优化算法。通过优化卷积方案和约束函数,对扫频数据进行预处理,得到两组频率上服从同分布的数据点进行卷积运算,并正确地恢复出原卷积曲线线型,从而提高布里渊频移(Brillouin frequency shift,BFS)提取的精确度。实验证明,本方法在信噪比为1 d B的情况下,BFS提取误差较原稀疏约束互相关迭代法减小约3 MHz;在信噪比为20 d B的情况下,BFS提取误差减小约0.3 MHz。(2)作者在对基于稀疏约束互相关的优化算法进行研究时发现,只选取峰值附近数据点进行处理能显著降低BFS提取误差。本文提出一种优化的二次峰区卷积算法,通过二次卷积滤除噪声数据影响,增强峰值附近高信噪比数据的作用,达到在时间复杂度基本不变的前提下提升BFS提取精度的目的。实验证明,本方法在5 d B的信噪比下,BFS提取误差为1 MHz,较传统互相关卷积法降低约4 MHz,相比基于稀疏约束互相关法的优化算法减小约2 MHz。