铁路轨道的不平顺状态直接影响列车行驶的平稳性、安全性和乘客的舒适性。近年来我国的高速铁路飞速发展,长时间的高速铁路运营会导致轨道结构产生一定的损坏,使得轨道处于不平顺状态,对列车安全行驶形成潜在威胁。由高速铁路轨检车测得的轨道不平顺数据是记录高速铁路线路状态的原始数据,利用信号处理分析方法可以有效提取轨道不平顺数据中包含的信息,帮助铁路工务人员及时掌握轨道的平顺状态,从而指导轨道的养护维修工作,保障高速铁路安全运营。因此,本文基于高速铁路轨道不平顺检测数据,进行了轨道不平顺分析方法的研究,主要内容如下:(1)轨道板上拱结构病害是造成轨道不平顺的原因之一,基于时域分析方法的轨道质量指数(Track Quality Index,TQI)方法不足以应对轨道板结构病害的检测。论文基于时频分析方法对轨道高低不平顺数据进行分析,提出了基于小波能量谱的轨道板结构状态评估算法,通过检测里程-波长的时频谱峰值确定轨道板病害。实验结果和铁路现场复核结果证明,算法可以有效地检测出轨道板病害及其位置。目前该算法已经在实际中得以应用。(2)轨道标准谱作为具体线路轨道谱的参考基准,可以用于对比该线路的轨道谱,从而及时评判线路所处的状态。首先,论文提出了一种轨道谱的七阶多项式拟合模型,该模型适合于拟合高速铁路有砟轨道和无砟轨道的轨道谱。进而,论文提出了轨道标准谱的计算方法:平均谱和基于累积分布的70%谱、80%谱、90%谱。基于此方法计算得到了高速铁路有砟轨道和无砟轨道的不同轨下基础(道岔、桥梁、隧道)标准谱,并进行了对比分析,为不同轨下基础的标准谱的进一步研究打下了基础。(3)当前轨道不平顺数据由轨检车测得,但轨检车的成本高、数量有限,只能巡回各线路进行检测,导致检测周期较长。每天运营的车辆可以随时采集车体振动响应数据,因此利用运营车上采集的车体振动加速度数据反演轨道不平顺数据成为目前的研究方向。论文设计了基于小波分解的时频特征,比较了多种机器学习算法,提出了基于KNN(K-Nearest Neighbor)回归的轨道高低不平顺反演算法,并分析了列车速度、环境温度和轨道使用时间等因素对反演性能的影响,提出了反演算法的适用条件。实验结果证明该算法可以较为准确地反演4～42m波长范围内的高低不平顺数据。