钢轨扣件系统是轨道结构中重要组成部分之一,在列车重复载荷作用下,可能造成扣件松脱,严重时会产生列车脱轨事故。随着高速列车的发展,对扣件松脱的检测变得尤为重要,而人工巡检法和基于计算机视觉的方法不能实时检测扣件状态变化和扣件松脱程度。当钢轨扣件发生松脱时,轨道结构的动态特性参数会发生变化,并通过钢轨的动态响应呈现出来,利用扣件松脱前后振动信号的差异识别钢轨扣件状态。小波包分析方法具有多分辨率分析、良好的时频局部化能力等优势,本文对由传感节点采集的加速度信号结合小波包理论、向量相似度理论和统计学理论对钢轨扣件状态识别进行相关研究,本文主要工作包括：(1)分析了传统小波包算法不足产生的原因,并研究了相应的改进算法。分析了小波包算法中频率混淆与频带交错现象产生的原因,结合傅里叶变换与逆傅里叶变换将相应频率段内频谱置零的方法消除了频率混叠现象,通过调整小波滤波器组顺序消除频带交错现象,最后采用仿真实验对改进后的小波包算法进行验证。(2)将最大相异数指标和能量累积变异指标用于钢轨扣件状态检测,并通过轨道加载实验平台验证了该方法的有效性。联合多个测量节点的位置指标实现了扣件松脱位置的识别。在单个扣件松脱工况下,得到了能量累积变异指标与扣件松脱程度之间呈三次函数的关系,并验证了扣件识别效果受扣件松脱程度、扣件松脱个数和噪声水平的影响。(3)分别运用最大相异数指标与能量累积变异指标对高铁实测加速度信号进行分析,得到了钢轨扣件在未松脱工况下最大相异数指标和能量累积变异指标的变化范围。