随着高速铁路的不断发展以及高铁线路的增加,高铁线路难以避免在软土地基上进行铺设。软土所特有的性质可能会引起高铁运营期内的轨道变形,导致高铁产生“桥头跳车”等现象,影响高铁行车速度,增加高铁维护成本,甚至影响高铁的安全运营。因此,对软土地基高速铁路运营期的路基进行变形监测以及对获取的监测数据进行处理与分析具有十分重要的意义。论文分析了软土地基的特点和沉降机理,以某高速铁路的软土路基段为依托,结合此段线路的工程概况和高铁路基变形监测的技术规范,阐述了高铁路基运营期的监测方案。常用的变形监测数据处理方法有回归分析法、灰色系统分析、人工神经网络、时间序列和卡尔曼滤波等。这几种方法都有各自的优势,同时也存在着一定的局限性。通过几种常用变形数据处理方法的分析,选择不需要等时间间隔观测数据的卡尔曼滤波模型进行变形监测数据处理。使用MATLAB编程实现了各种卡尔曼滤波模型变形监测数据处理,通过对监测工程中获取的监测数据进行滤波处理与监测数据平差结果的对比分析,证明卡尔曼滤波模型能较好地描述此工程的路基沉降趋势,可以用来对变形监测数据进行处理,而改进的卡尔曼滤波模型的处理精度优于经典卡尔曼滤波模型。在对观测数据中加入粗差后再进行滤波处理的对比分析研究,得出抗差卡尔曼滤波模型和抗差自适应卡尔曼滤波模型对粗差有着相对较好的抵抗性,并且抗差自适应卡尔曼滤波模型比抗差卡尔曼滤波模型对粗差的抵抗性好。