近年来基于光纤的形貌传感器凭借其体积小、质量轻、易集成等明显优势,成为了高精度医疗设备和机器人的关键传感器,同时也被应用在航空、航天等重要领域。现有光纤形貌传感器一般基于光纤光栅的准分布式弯曲传感系统实现,由于光纤光栅工艺限制,该方法的监测点数有限,无法实现连续弯曲测量。分布式弯曲传感技术作为实现长距离高精度形貌传感的关键技术,有着重要的研究与应用价值。现有分布式弯曲传感实现方案主要基于夹层结构或多芯光纤,通过使传感光纤偏离弯曲主轴来加大弯曲产生的光纤应变,并通过测量光纤的分布式布里渊频移变化来得到光纤的弯曲应变,最终实现分布式弯曲测量。这类方案虽然可以提升光纤的弯曲应变响应,但是光纤的应变会受到弯曲大小和方向的共同影响。这意味着必须同时测量多个不同相对位置的光纤应变,才能计算出光纤的实际弯曲情况。并且由于空间分辨率的限制,测量时必须保证多芯光纤不发生快速扭转,否则很难解调出弯曲信息。这些不足限制了其在实际场合的使用。通过理论分析和实验验证,本论文提出了一种全新的分布式弯曲传感方案。使用布里渊光时域分析技术,测量工作在准单模状态下的少模光纤中弯曲导致的布里渊频移变化,以实现分布式弯曲传感。由于少模光纤拥有比单模光纤更大的模场半径,因此对弯曲更加敏感。另外相较于多模光纤,工作在准单模状态下的少模光纤可以避免高阶模式的干扰。本论文使用该方案实现了对一个多层圆柱体半径的分布式测量,并恢复了该物体的表面形状。与现有分布式光纤弯曲传感技术相比,本方案拥有以下优势:对弯曲方向不敏感,易于接入普通单模光纤系统,对小弯曲半径拥有很高的测量精度。为了解决在实际弯曲测量应用时,布里渊频移会受到温度影响的问题,对少模光纤中的自发拉曼散射光进行了同步测量,实现了分布式温度和弯曲的同时测量。为解决该系统中拉曼测温误差较大的问题,利用小波变换算法对自发拉曼散射信号进行了去噪处理,有效提升了系统的整体性能。在2km少模光纤上,实现了1.308°C的温度测量精度和0.1047cm-2的曲率平方测量精度。为了进一步提升该系统的弯曲测量精度,研究了基于卷积神经网络的图像处理去噪算法,并将这种算法应用到了布里渊光时域分析仪的信号处理上。使用理想的布里渊信号和系统的实际噪声对卷积神经网络进行训练,在训练过程中卷积神经网络通过不断更改网络参数实现了对布里渊信号和噪声的识别与区分。使用训练后的网络对实际采集的布里渊信号进行处理,实现了约13dB的信噪比提升。与之前的去噪算法相比,本论文所提出的算法对信号有效信息几乎没有影响,并且其运算时间也远小于传统算法,可以实现实时信号处理,为实现快速高效的弯曲及多参量测量提供了良好的基础。