基于布里渊效应的分布式光纤传感器以其可在沿光纤中同时获得被测量场时间和空间上的连续分布信息，成为当前国际的研究热点。根据光纤中布里渊散射谱的传输特点和高精度特征提取的要求，提出了利用莱文伯马夸特(L-M)算法调节权值的径向基函数神经网络(RBFN)对布里渊散射谱进行特征提取。通过与反向传播(BP)神经网络、五次多项式曲线拟合法和三次样条插值法进行预测比较，在中心频率为11.213 GHz，权重比为4∶1的仿真散射谱模型中，本方法相对误差最小，仅0.0015179%，温度相对误差仅为0.152 ℃，且拟合度较好。在不同脉宽和不同温度下的同一检测系统中，前者的综合评价指标优于其他三种拟合方法。数值分析和实验研究均表明径向基函数神经网络适用于对布里渊散射谱进行拟合，有效提高了预测精度。

光子晶体光纤中去极化型声波导布里渊散射频移和散射效率研究

以激光信号在传输介质中的布里渊散射频移量模型为基础,依据相关大气数据建立基于布里渊散射信号检测的大气探测模型。该模型中布里渊频移量只与大气高度相关,详细描述了低空大气范围内布里渊频移量的连续分布状态。结果表明在0～86 km的海拔高度范围内,大气的布里渊散射频移量分布在1.0～1.3 GHz之间。与有关数据相比,该模型与实际情况非常符合,同时具有很好的连续性和普适性。