近年来,光纤通信迅速发展,光纤网络的规模也随之越来越庞大。如果光纤线路中某处出现了断裂、损伤等异常,光纤网络的服务就会受到严重影响。为了保证光纤网络通信服务的质量,需要快速在长距离光纤中确定异常位置,从而及时解除异常。这使得光纤网络的维护变得十分困难。OTDR是传统的光纤故障排查中常用工具,但是需要从OTDR信号曲线中人工判断出测试光纤是否发生故障及故障类型。人工判断效率低下,精度低,并且对维护人员的经验要求高,这些局限性使得传统的光纤维护手段逐渐不能满足现有光纤网络的维护要求。为解决人工判断故障的局限性,就需要对OTDR信号处理算法进行研究,通过算法代替人工判断。本文研究OTDR信号处理算法,主要研究内容如下。（1）基于蝗虫优化的小波变换阈值去噪法。结合OTDR测试返回信号曲线特点,分别采用时频峰值滤波,基于小波变换的模极大值去噪法和基于小波变换的阈值去噪法对OTDR信号进行去噪处理,并从去噪后信号与原信号的均方根误差和去噪后信号中事件点位置偏移情况两个角度对三种去噪算法去噪性能进行对比。对比发现,基于小波变换的阈值去噪法更适于对OTDR信号进行去噪。由于基于小波变换的阈值去噪法需要确定小波基函数,分解层数,阈值选择标准,阈值使用方法和阈值重缩放方式,本文提出了基于蝗虫优化的小波变换阈值去噪法,选择出最优参数对OTDR信号进行去噪处理,去噪后的OTDR信号相对于含噪OTDR信号,信噪比从16.92d B提升到了34.47d B。（2）基于蝗虫优化的最佳小波重构反射事件检测法。使用小波分析对反射事件进行检测时,信号分解采用的小波基函数和重构信号选取的高频系数是影响反射事件检测准确性的关键。本文提出了基于蝗虫优化的最佳小波重构反射事件检测法,实现了最适宜小波基函数对去噪后的OTDR信号进行分解,小波变换细节系数的最佳选取以用于信号重构,最优阈值对重构信号进行阈值处理,利用阈值化处理的重构信号实现了反射事件的精确检测。采用基于蝗虫优化的最佳小波重构反射事件检测法反射事件识别准确率相对于直接采用去噪中选取的小波基函数进行小波分解,重构第一层小波高频系数的反射事件识别准确率平均提升了1.52%。采用两点法与最小二乘法相结合对非反射事件进行检测。采用两点法定位出可能发生事件的位置,对该位置前后数据点利用最小二乘法进行拟合,根据该位置前后斜率变化来确定是否发生了事件。事件识别准确率平均达到了67.28%。（3）基于卷积神经网络的OTDR事件检测方法。对检测出的反射事件区间和非反射事件区间,利用卷积神经网络再一次进行识别,去除结果中的误判事件。通过卷积神经网络的进一步识别,反射事件识别准确率平均提升了6.48%,非反射事件识别准确率平均提升了18.95%。