我国高速铁路系统已成为世界上运营里程最长、集成能力最强、在建规模最大、系统技术最全的国家。随着我国铁路既有线提速及重载和高铁的发展，钢轨负荷逐渐增加，安全问题也日益突显。因此重视钢轨的伤损分析，找出失效原因，采取有效措施，不仅是延长钢轨的使用寿命，更是确保行车安全的重要手段。超声波探伤技术作为无损检测重要方法之一以其灵敏度高、检测速度快、定位准确等优点被广泛应用于钢轨探伤。然而，目前的缺陷识别技术方法还不完善，对于缺陷数据的识别仍很困难，很大程度仍然依靠高度熟练的技术工人。因此，为满足目前的发展需求，本文针对有效的钢轨缺陷识别方法以及实时数据采集等方面进行了研究，希望推动超声检测技术自动化、智能化等方向的发展。本文通过对几种特征值提取方法进行研究分析，采用通过计算小波包节点能量作为提取缺陷特征的初步方法。本文提出优化LDA算法以及优化类概率密度法，最后通过利用优化类概率密度法实现特征值的降维，完成缺陷识别的初步工作。本文通过采集分层、夹杂物、孔洞三种缺陷类型数据作为研究对象，通过将采集到的信号分组用来训练测试人工BP神经网络，通过计算网络期望输出值及测得的实际值验证网络性能。成功搭建了钢轨超声波LabVIEW软件平台，实现了数据的逐点分析等功能。