随着我高速铁路信息化的发展,有关高速铁路的数据分析在保证高铁安全舒适的运营和整个国民经济的持续发展中将会起到更加重要的作用。然而,由于环境等复杂因素,采集得到的动车组数据往往掺杂着噪声,这直接影响到数据分析的结果。因此,动车组数据的去噪方面的研究具有重要现实意义。在动车组数据去噪的众多方法中,传统的去噪方法多是基于统计和傅里叶变换来对信号进行噪声抑制。基于统计的去噪方法具有主观性和强制性,对噪声的处理不但不灵活而且效果也不佳。而基于傅里叶变换的方法由于傅里叶变换的时频单一性,对非平稳信号和复杂噪声下的信号去噪效果比较差。小波变换是20世纪80年代后期逐渐发展起来的一门新兴学科。由于它强大的时频局部分析能力,目前已在非平稳信号和复杂噪声下的信号处理方面得到了成功的应用。首先,本文从小波分析的基本理论出发,对小波去噪的相关原理和方法进行了介绍,随后分析和探讨了小波阈值去噪参数的选取问题。进而根据动车组数据分析对数据降噪的要求,通过一系列实验仿真系统地研究了小波阈值去噪参数的选取问题。实验表明,选取的参数是客观有效的。其次,在利用小波阈值去噪对照度数据进行处理的基础上,本文提出了一个基于训练思想的波形检测算法以解决照度数据隧道段的提取问题,并通过实验仿真证明了该算法的有效性。最后本文通过对照度隧道段进行数据分析得到隧道长度等有用信息。