近年来，随着电子和计算机技术的飞速发展，无损检测技术领域也在不断升级从而实现了数字化、智能化，以期提高检测结果的准确度和诊断的稳定性。为了追求低成本的检测设备和方法，超声探伤技术被逐渐应用于该领域而得到了极大的发展。同时由于轨道交通发展的需求，现役钢轨的维护保养与检测也日益被重视。在这样的背景下，本文针对钢轨伤损检测和识别进行了研究，利用数字化超声探伤技术采集钢轨的伤损信息，并运用成熟稳健的算法识别钢轨缺陷。本文首先对超声波的特征及超声探伤的工作原理和特性进行了介绍，通过在Simulink下验证换能器脉冲发射电路的可行性及主要参数，并分析了脉冲发射电路对超声探伤的影响，确定了以超声波脉冲反射法为基本理论的超声波检测钢轨伤损系统。重点研究了脉冲发射电路、回波信号接收电路，利用FPGA便利的数字可编程性，控制和处理整体系统的数据时序，实现了钢轨伤损数据被正确的采集，做到了较高的检测精度和系统的低成本。最后基于采集到的钢轨缺陷数据，对缺陷数据的识别做了进一步的研究与分析。采用EMD算法将信号分解，该算法能将非平稳的震动信号分解成具有不同频率的IMF分量，经过对该分量在时域和频域的理论分析和仿真，得到了能精确代表缺陷信号的6个特征值，分别是曲线的过零点数、信号面积、中心频率、信号能量、时域和频域最大幅值，与传统的算法相比，对非平稳振动信号具有更好的分解能力。并以联合神经网络算法对训练样本多次的重复训练方式，将缺陷信号的特征值归一化处理作为神经网络的输入，采用Matlab下的神经网络工具包对该算法进行了仿真研究，仿真结果表明用EMD分解非平稳振动信号并联合神经网络算法能有效识别缺陷信号。该系统达到了预期效果，能完成钢轨缺陷数据的采集和识别。