随着高速铁路的飞速发展,高速铁路的安全与舒适成为当前研究的一个热点问题。安装在列车上的传感器采集的噪声数据反映了列车的运行状况,并与列车的安全息息相关。然而在噪声数据采集的过程中由于种种因素的影响,采集的列车噪声数据中含有不同频率和特点的干扰数据,干扰数据直接影响了数据的分析与处理。研究表明预处理和滤波处理可以有效地去除数据中的干扰数据。然而,随着采集的数据量越来越大,而传统的预处理与滤波方法均采用的是单机处理的方式,效率低下,无法满足实际需求。云计算技术是解决上述难题的一项关键技术,其中的MapReduce模型可用于大规模数据的并行运算,由于其良好的并行效果且不用了解其底层架构,目前已有很多学者利用MapReduce进行算法设计,且取得了良好的成果。因此本文拟将云计算技术应用到预处理与滤波方法中以提高列车噪声数据处理的效率,具有重要的实际应用价值。本文首先对预处理、滤波和云计算的国内外研究现状进行介绍。然后概述云计算技术与预处理方法,研究了预处理方法的并行化,提出了基于MapReduce的海量高铁噪声数据并行预处理算法,用Speedup和Sizeup并行化指标来评价算法的性能,实验结果表明并行预处理算法性能提升显著。紧接着,讨论了高通滤波、低通滤波、动窗滤波和中位值滤波等传统滤波技术,并对滤波方法进行并行化改进,提出基于MapReduce的海量高铁噪声数据并行滤波算法。波形展示和滤波正确性实验分析表明滤波效果明显。信噪比和均方差实验给出了高通滤波和低通滤波的最佳滤波参数。采用Speedup、 Sizeup和Scaleup这三个并行化参数评价并行滤波算法的性能,结果表明本文所提出的并行动窗滤波和并行中位值滤波算法性能提升显著；并行高通滤波和并行低通滤波算法由于使用了公共变量和受算法自身时间复杂度影响,并行效果受到一定影响。