Los defectos en la base de la vía férrea afectan el funcionamiento normal de los trenes y representan grandes riesgos de seguridad. Con el fin de detectar tales problemas tempranamente, desarrollamos un método de detección de defectos en la base de la vía férrea que utiliza sensores de fibra óptica y un HMM mejorado (modelo de Markov oculto) para detectar las señales recopiladas por un sistema de DAS (detección acústica distribuida). Primero, mediante el análisis del proceso físico de operación del tren y determinando el número de estados ocultos, se utilizó un método de segmentación de forma de onda basado en amplitud promedio para resolver el problema de longitudes desiguales de señal. En segundo lugar, se empleó un método de cálculo de relación de energía del espectro de potencia adaptativo para extraer características de falla en la vía, un conjunto de las cuales fue construido combinando varias características de cantidad. Luego, se entrenaron modelos normales y anormales de acuerdo con el área de medición del sensor. Finalmente, se comparó la probabilidad de detectar la señal con cada modelo para determinar si la señal era anormal. Se realizaron experimentos para comparar la aplicabilidad del método de segmentación de forma de onda y el método de extracción de características. Los resultados muestran que el HMM basado en la segmentación de forma de onda y los conjuntos de características de defectos en la base de la vía tuvieron la tasa de reconocimiento más alta, el menor número de áreas de detección falsas y un mayor impacto en la señal en la etapa temprana de desarrollo de defectos en la base de la vía. Por lo tanto, el método propuesto tiene una fuerte capacidad de reconocimiento, lo que lo hace adecuado para la detección de defectos en la base de la vía.