随着高速列车的快速发展,高铁运营的安全性和可靠性成为研究热点。将高速综合检测列车的车载检测数据通过车地通信系统实时传输至地面控制中心,是实现运行管理和辅助决策的重要途径之一。检测数据涉及多个学科内容,数据量巨大,由于列车高速运行中的多谱勒频移及小区切换等环境影响,导致车地无线信道带宽受到较大限制,难以将大量车载检测数据传输到地面管理中心,这已成为高速铁路运行维护的关键问题之一。本论文结合列车检测业务的特点,通过在车地无线通信系统中增加车载数据特征提取预处理模块,对同一时间段内用相同参数采集的的数据进行去冗余操作,降低车地通信传输的数据量,以适应车地无线通信的带宽。针对车载检测数据中的文本数据进行去冗余处理,采用综合知网和最长公共子序列的算法,提取文本的语义和语序特征,并计算文本之间的相似度,将相似度高于设定阈值的文本去除。针对车载检测数据中的图像格式的数据,首先采用离散余弦变换提取图像的颜色特征,再综合图像的颜色和形状特征,用模拟退火算法求解出最优的特征权值和相似度阈值并进行去冗余。针对波形数据,采用数学形态学的方法来提取波峰波谷特征及形态梯度特征。仿真结果表明,相比于TFIDF和LCS等传统的特征提取算法,本文的去冗余指标F值能提高20%-30%。相比于颜色直方图算法,能在控制运算时间的基础上,F值提高了11%。与传统的Hu形状不变矩算法相比,运算时间减少了80%,F值提高了37%。相比于单个特征提取算法,综合特征算法的F值能提高3%-9%。经去除冗余的文本和图像等检测数据,能在不丢失重要信息的基础上显著减少传输数据量,为综合检测车的车地无线通信优化提供了一种较有效的新方法。