Suurte tuvastusvahemiku, kõrge tundlikkuse ja hea keskkonna kohanemisvõime omaduste tõttu on optilisi kiudainete sensorivõrke laialdaselt kasutatud suuremahulises turvalisuses ja piirkondlikus sihtkoha positsioneerimisel. Traditsioonilised funktsioonid, näiteks eesmärgi olemasolu tuvastamine ja selle positsiooni laias laastus otsustamine ei ole enam piisavad, et täita üha nõudlikumaid avastamisnõudeid. Mitme sihtmärgi ja mitme oleku parameetri täpselt klassifitseerimine suures piirkonnas on muutunud uurimistöö levialaks. Nende hulgas on sihtvõrgu peamised tuvastamisülesanded sihtmärgi tüübi, arvutamise ja sihtmärgi liikumise oleku järeldamiseks.
Sidenikov O et al. Viidi läbi mitme ebanormaalse häiresignaali testid piirkonnas, saavutades tuvastusmäära 86. 3%, kasutades sihtmärgiklassifikatsiooni jaoks erinevaid sagedusi. See meetod saab siiski teha ainult kvalitatiivset klassifikatsiooni ega saa anda teavet sihtmärkide oleku parameetrite kohta. Tejedor J jt. Koostas torujuhtmetele optilise kiudainetundevõrku ja tuvastas potentsiaalsed inseneritoimingud, mis võiksid torujuhtmeid ohustada, analüüsides vibratsioonisignaalide erinevusi. Samuti klassifitseerisid nad intensiivsuse künniste abil erinevad sekkumised. Tian Miao ühendas närvivõrgud funktsioonirežiimi lagunemismeetodiga, et analüüsida nelja tüüpi sissetungimisjuhtumeid, saavutades keskmise tunnustuse määra 85,2%. Zou Boxian jt. kasutas vibratsioonisignaalide kolmemõõtmelist visualiseerimistehnoloogiat, et klassifitseerida erinevaid vibratsiooniallikaid nagu valge müra, jalakäijad, sõidukid ja ekskavaatorid. Simulatsioonianalüüs näitas õiget kiirust üle 90%. Kolmemõõtmeliste punktpilve andmete suur hulk vähendas töötlemiskiirust märkimisväärselt. Peng Kuan jt. Testitud piirkondlikud sissetungi allikad, mis põhinevad aja-\/sagedusdomeeni erinevustel, saavutades klassifitseerimise täpsuse üle 98% nelja tüüpi perioodiliste häirete allikate korral. Jiang Hong jt. Testitud viit tavalist sissetungimishäälestust, kasutades ülikerge kiudude Braggi restid ja klassifitseerisid need normaliseeritud signaaliomaduste põhjal. 500 katseproovis oli äratundmismäär üle 98%. Pan Ruizhi jt. Kasutatud kiudude riivide taktiilse sensoride tehnoloogia sihtmärgiklassifikatsiooni saavutamiseks, algoritmi täpsusega 96,6%. Seda meetodit kasutatakse peamiselt otsese kontakti mõõtmiseks sihtmärgi ja FBG vahel. Ehkki sellel on suur täpsus, väheneb selle reageerimise jõudlus vahemaa suurenemisega märkimisväärselt. Wei-Hao C et al. Kasutati φ-OTDR-tehnoloogiat sihtsignaalide saamiseks, millel on suure täpsuse ja hea stabiilsuse omadused. Suzhen L et al. Kasutasid kunstlikke närvivõrke, et mõõta optiliste kiudainete tuvastamise andmete ehituse vibratsiooni, millel on ülitäpsed ja laia katsed. Kuid seda meetodit kasutatakse peamiselt üksikute vibratsioonisignaalide äratundmiseks ja see ei saa saavutada mitme sihtmärgi klassifikatsiooni. Shang Qiufeng jt. Kombineeritud variatsioonirežiimi lagunemine tugivektori masina algoritmidega, et tuvastada nelja tüüpi ebanormaalseid signaale, saavutades identifitseerimise täpsuse üle 98%. Kahe algoritmi kasutamise tõttu oli ühe andmekogumi töötlemisaeg 169 sekundit, mis oli suhteliselt aeglane.
Identifitseerimisalgoritm, mis põhineb mitme eesmärgi signaaliparameetrite omadustel. See algoritm tähistab erinevate sihtmärkide omadusi amplituudi, kestuse ja sageduse osas, saavutades signaali lagenemise mitme eesmärgi signaali varjualuse korral. Testiti nelja ühise sihtmärgi kiudude signaali omadusi ja mitme eesmärgi signaalide kvantitatiivne analüüs. Eksperimentaalsed tulemused näitavad, et sihtmärgi 1 keskmine lainepikkuse amplituud on 1,25nm, mille periood on iseloomulik umbes 12 0 ms; Sihtmärkide 2 ja 3 keskmised lainepikkuse amplituudid jäävad vahemikku 150-350 PM, kestuse vahemikus 1 kuni 3s; Siht 4 keskmine lainepikkuse amplituud on üle 3,2 nm, kestusega umbes 15 sekundit. Nendel omadustel on selles algoritmis kõrge äratundmisäpsus. Sihtkatses Aiasiate testis on keskmine sihtmärgi äratundmine ja äratundmise täpsuse keskmine üle 80,0%, kontrollides kavandatud algoritmi teostatavust.