针对轨道车辆压装车轴镶入部在定期超声波检测时噪声信号幅值较大、缺陷信号被淹没在噪声信号中无法直接识别的状况,基于超声波检测信号采集数据分析信号典型特征,结果表明有较高辨识度的缺陷信号具有能量集中、信噪比高且快速收敛的特性。采用小包波变换对采集的压装后的车轴镶入部超声波检测信号进行分解,提取区别于噪声信息的缺陷特征系数和缺陷幅值系数,以此重建信号波形;再采用基于logistic函数的自寻优阈值滤波改进算法提高缺陷信号信噪比,以检测淹没在噪声信号中的缺陷信号,并基于神经网络进行验证。结果表明:基于缺陷特征系数和缺陷幅值系数的重建信号波形,可以准确区分超声波检测数据中噪声信号和含有疲劳裂纹的缺陷信号,对于缺陷深度大于0.5 mm的裂纹缺陷,识别准确率为100%。