近年来,分布式光纤传感技术因其无源、抗电磁干扰以及可远距离大范围监测等特性,在公共建筑、桥梁隧道等基础设施安全监测领域中得到了广泛应用并发挥着举足轻重的作用,引起了国内外学者的重点关注和深入研究。但是,全分布式光纤传感系统在对基础设施进行全范围连续监测的过程中会得到巨大的数据量,并且随着分布式光纤传感系统性能指标的提升,单位时间内采集得到的数据会几十倍甚至上百倍地增加,由此导致的数据膨胀问题对数据存储和后续数据处理造成了严重影响,使其在实际应用中不能充分发挥其优势和作用。本文针对上述问题,围绕Phase-OTDR分布式光纤振动数据的梯次精简和编码存储展开了如下研究:（1）Phase-OTDR分布式光纤振动数据信噪分离。根据Phase-OTDR分布式光纤振动数据中信号和噪声的幅值差异,提出了一种基于模拟退火寻优的Ostu信噪分离方法。利用振动信号和噪声信号幅值上的差异,采用模拟退火寻优的Ostu阈值算法对Phase-OTDR分布式光纤振动数据进行了去噪处理,并与现有常用的经验模态分解方法对比了去噪效果,完成了 Phase-OTDR分布式光纤振动数据信噪分离的研究。（2）Phase-OTDR分布式光纤振动数据时空压缩。根据Phase-OTDR分布式光纤振动数据的二维时空结构,提出了一种基于改进Shearlet稀疏性表示的二维时空数据压缩方法。利用Shearlet变换对信噪分离后的分布式光纤振动信号进行了稀疏性表示,通过频带选取和系数选取完成了 Phase-OTDR分布式光纤振动数据的时空压缩。同时,采用信噪比和压缩比两项指标与基于二维小波变换的压缩方法进行了性能评估和效果对比。振动信号经过本文压缩方法压缩后,压缩比最高可达71%,验证了本文数据压缩方法的可行性,完成了 Phase-OTDR分布式光纤振动数据时空压缩的研究。（3）Phase-OTDR分布式光纤振动数据频谱分析。在对分布式光纤振动数据进行信噪分离的过程中,不可能将振动信号完全从噪声中分离,同时,时空压缩的过程中由于采用有损压缩也会损失信号部分特征信息。在对分布式光纤振动数据的梯次精简效果评估中,采用的压缩比和信噪比等指标仅能说明本文方法取得了较好的梯次精简效果,并不能对精简后数据特征信息的保留程度进行验证,所以本文从信号能量、信号幅度和频带宽度等几个方面对压缩重构前后的振动信号进行了频谱分析。提取压缩重构前后信号的10类时频特征,建立了随机森林分类模型对其进行识别分类,模型对压缩重构前后的信号识别率均保持在95%以上。此外,还建立了 SVM和KNN两种典型的分类模型,二者对压缩前后的振动信号也均保持较高的分类准确率,从而验证了本文梯次精简方法能够较好地保留信号有效特征。（4）Phase-OTDR分布式光纤振动数据编码存储。根据压缩后剪切波系数双精度浮点型的保存格式,提出了一种改进的Huffman编码压缩存储方法。在梯次精简的基础上,对无损压缩方法中的Huffman编码方法进行了研究,通过改变Huffrman编码过程中Huffman树的构造方式来提高编码效率。时空压缩后的Phase-OTDR分布式光纤振动数据经过进一步编码后,存储空间降低了近30%,实现了最大化的压缩,完成了 Phase-OTDR分布式光纤振动数据编码存储研究。本文关于Phase-OTDR分布式光纤振动数据的梯次精简与编码存储研究,可以最大化地对监测数据进行压缩,从而降低数据的存储空间,提高数据传输效率,在分布式光纤传感领域具有很大的应用价值。