分布式光纤声波传感技术（Distributed Acoustic Sensing, DAS）结合既有通信光缆用于地震监测，在城市和海洋地震观测中得到了广泛应用。基于DAS进行余震检测在防震减灾中具有重要意义，快速构建余震序列有助于提高地震灾害的应对能力。模板匹配算法（Template Matching Algorithm, TMF）是常用的地震检测方法，其在分布式光纤传感（DAS）记录中的应用也得到了验证。本文提供了一个可供GPU和CPU使用的优化程序，该程序基于高效的科学计算库，有效的通过并行化来节约计算时间，以更加高效的进行DAS模板匹配运算。对于线性台阵，本文提供了基于霍夫变换的初至拾取算法，以提供模板切片的粗略范围。此外，我们发现模板选择的空间长度、空间位置、时间长度及时间范围均会影响模板的检测能力，并且这种影响与信噪比相关。由此我们提出尽量降低模板选择范围，以降低不必要的计算量同时也能增强检出能力。进一步的测试认为，对于检测任务而言，模板数量的添加存在着明显的边界效应。考虑到小型神经网络训练快、计算量小、检测能力稍弱等特点，我们提出使用神经网络快速构建模板库，再使用模板匹配算法进行精确扫描的方法，以降低整个流程的计算及时间开销。
 

分布式光纤传感,模板匹配,优化程序,人工智能