Do các đặc điểm của phạm vi phát hiện lớn, độ nhạy cao và khả năng thích ứng môi trường tốt, các mạng cảm biến sợi quang đã được áp dụng rộng rãi trong bảo mật quy mô lớn và định vị mục tiêu khu vực. Các chức năng truyền thống như xác định sự hiện diện của mục tiêu và đánh giá gần như vị trí của nó không còn đủ để đáp ứng các yêu cầu phát hiện ngày càng đòi hỏi. Phân loại chính xác nhiều mục tiêu và nhiều thông số trạng thái trong một khu vực rộng lớn đã trở thành một điểm nóng nghiên cứu. Trong số đó, việc xác định loại mục tiêu, tính toán vị trí mục tiêu và suy ra trạng thái chuyển động của mục tiêu là các tác vụ phát hiện chính của mạng cảm biến.
Sidelnikov o et al. Thực hiện các thử nghiệm trên nhiều tín hiệu nhiễu bất thường trong một khu vực, đạt được tốc độ phát hiện 86. 3% bằng cách sử dụng các tần số khác nhau để phân loại mục tiêu. Tuy nhiên, phương pháp này chỉ có thể thực hiện phân loại định tính và không thể cung cấp thông tin về các tham số trạng thái của các mục tiêu. Tejedor J et al. Lên ra một mạng cảm biến sợi quang trên các đường ống và xác định các hoạt động kỹ thuật tiềm năng có thể gây nguy hiểm cho các đường ống bằng cách phân tích sự khác biệt về tín hiệu rung. Họ cũng phân loại các giao thoa khác nhau bằng các ngưỡng cường độ. Tian Miao kết hợp các mạng lưới thần kinh với phương pháp phân hủy chế độ chức năng để phân tích bốn loại sự kiện xâm nhập, đạt được tỷ lệ nhận dạng trung bình là 85,2%. Zou Boxian et al. đã sử dụng công nghệ trực quan ba chiều của tín hiệu rung để phân loại các nguồn rung khác nhau như tiếng ồn trắng, người đi bộ, xe cộ và máy xúc. Phân tích mô phỏng cho thấy tỷ lệ chính xác hơn 90%. Tuy nhiên, số lượng lớn dữ liệu đám mây điểm ba chiều làm giảm đáng kể tốc độ xử lý. Peng Kuan et al. Các nguồn xâm nhập khu vực được thử nghiệm dựa trên sự khác biệt về miền thời gian\/tần số, đạt được độ chính xác phân loại trên 98% cho bốn loại nguồn nhiễu định kỳ. Jiang Hong et al. Đã thử nghiệm năm giao thoa xâm nhập phổ biến bằng cách sử dụng các cách tử Bragg của sợi siêu yếu và phân loại chúng dựa trên các tính năng tín hiệu được chuẩn hóa. Trong 500 mẫu thử nghiệm, tỷ lệ công nhận là hơn 98%. Pan Ruizhi et al. đã sử dụng công nghệ cảm biến xúc giác bằng sợi Bragg để đạt được phân loại mục tiêu, với độ chính xác của thuật toán là 96,6%. Tuy nhiên, phương pháp này chủ yếu được sử dụng để đo tiếp xúc trực tiếp giữa mục tiêu và FBG. Mặc dù nó có độ chính xác cao, hiệu suất phản hồi của nó giảm đáng kể khi tăng khoảng cách. Wei-Hao C et al. Công nghệ φ-OTDR được sử dụng để có được tín hiệu mục tiêu, có các đặc điểm của độ chính xác cao và ổn định tốt. Suzhen L et al. Các mạng thần kinh nhân tạo đã sử dụng để đo các rung động xây dựng trong dữ liệu cảm biến sợi quang, có các đặc điểm của độ chính xác cao và độ bao phủ rộng. Tuy nhiên, phương pháp này chủ yếu được sử dụng để nhận biết các tín hiệu rung đơn và không thể đạt được phân loại đa mục tiêu. Shang Qiufeng et al. Phân tách chế độ biến thể kết hợp với các thuật toán máy vectơ hỗ trợ để xác định bốn loại tín hiệu bất thường, đạt được độ chính xác nhận dạng trên 98%. Tuy nhiên, do việc sử dụng hai thuật toán, thời gian xử lý cho một bộ dữ liệu duy nhất là 169 giây, tương đối chậm.
Một thuật toán nhận dạng dựa trên các đặc điểm của các tham số tín hiệu đa mục tiêu đã được thiết kế. Thuật toán này đánh dấu các tính năng của các mục tiêu khác nhau về mặt biên độ, thời lượng và tần số, đạt được sự tách rời tín hiệu trong trường hợp bí danh tín hiệu đa mục tiêu. Các đặc điểm tín hiệu cảm biến sợi của bốn mục tiêu phổ biến đã được kiểm tra và phân tích định lượng các tín hiệu đa mục tiêu đã được hoàn thành. Các kết quả thử nghiệm cho thấy biên độ bước sóng trung bình của mục tiêu 1 là 1,25nm, với đặc tính thời gian xấp xỉ 12 0 ms; Biên độ bước sóng trung bình của các mục tiêu 2 và 3 nằm giữa 150-350 PM, với các khoảng thời gian từ 1 đến 3s; Biên độ bước sóng trung bình của mục tiêu 4 là hơn 3,2nm, với thời gian xấp xỉ 15 giây. Các tính năng này có độ chính xác cao trong thuật toán này. Trong thử nghiệm bí danh mục tiêu, tỷ lệ nhận dạng mục tiêu trung bình và giá trị trung bình của độ chính xác nhận dạng đều trên 80,0%, xác minh tính khả thi của thuật toán được đề xuất.