近年来,由于利益的驱使,人为盗挖铁路通信光缆的案件层出不穷,对铁路运营安全造成极大危害。因此,光缆线路的防盗挖工作极为重要。与传统的光缆防护技术相比,分布式光纤传感技术具有灵敏度强、监测距离长、环境适应能力强等优势,非常适合用于光缆的防盗挖方法研究中。因此,本论文提出了基于分布式光纤传感的铁路通信光缆盗挖告警方法。在盗挖告警方法的研究中,其关键问题就是识别出盗挖产生的光纤传感信号,进而产生告警信号。然而,现有的光纤传感信号的分类识别方法存在一定的缺陷:一方面,现有信号分类识别方法是基于单一特征提取的,本论文研究的问题的应用环境复杂,当前研究中常用的单一特征提取方法并不能达到很好的识别效果;另一方面,常用的SVM模式分类算法中,参数选取不合适时,对其分类的性能有很大的影响。针对以上问题,本论文主要做了以下研究:(1)提出了基于时域-小波域复合特征向量的特征提取方法,以增强算法对复杂环境的适应能力。从光纤传感信号的时域和小波域特征,对采集到的含有振动段和非振动段的信号样本数据进行分析和改进,分析了时域特征和小波域特征提取的有效性。(2)提出了基于时域-小波域两级振动事件检测算法,减少了大量复杂的小波变换计算,提高算法的时效性。(3)研究了基于自适应遗传算法优化DT-SVM多分类模型,以提高DT-SVM分类模型的泛化能力。使用优化的DT-SVM多分类模型对列车通过、行人通过和人为盗挖这三类振动事件进行模式分类。(4)采集试验场地的真实数据,进行大量实验,以验证算法的有效性。实验结果表明,基于时域-小波域复合特征向量的特征提取方法优于基于单一特征的特征提取方法。