列车的位置信息是列控系统中重要的参数之一,基于多传感器融合技术的列车定位方法是提高列车定位精度的有效途径。GPS(Global Positioning System,全球定位系统)与惯性导航系统在性能上能够形成优势互补,因此,将GPS系统和惯性导航系统进行组合,并将其应用到列车定位系统中,可以避免单一定位技术带来的问题,从而有效提高定位信息的精度及可靠性。传统的传感器融合技术多采用Kalman滤波对定位信息进行融合估计,然而该算法的实现以获知准确的系统模型和确切已知的外部干扰信号的统计特性为前提,受这些条件的限制,在列车实际运行过程中,用Kalman滤波算法融合估计的定位信息的精度必然会受到影响,严重时会出现滤波发散。针对上述问题,论文主要从列车组合定位方式入手,选取适当的传感器,设计组合定位模型,并着重研究适用于列车组合定位的信息融合方法。在研究分析目前所使用的各导航系统性能、特点的基础上,论文选取GPS和SINS(Strap-down Inertial Navigation System,捷联惯性导航系统)作为本课题列车组合定位系统的子导航系统,从而避免单一定位带来的缺陷,达到优势互补的效果。在建立SINS/GPS组合定位模型时,根据铁路实际工况,对SINS进行了简化,组合方式采用位置、速度组合模式。论文分析了目前组合导航系统中所使用的数据融合算法,鉴于在列车实际运行时,系统模型和外部干扰特性无法准确获知,因此论文采用H∞鲁棒滤波算法对所建模型进行数据融合,并将仿真结果与传统Kalman滤波法的仿真结果做对比,得出结论,验证了H∞鲁棒滤波算法相对于Kalman算法能获得较好的滤波效果。为了进一步提高列车定位精度,在SINS/GPS组合定位的基础上,引入地图匹配技术,对定位信息进行修正。论文在研究分析常用地图匹配算法的基础上,针对铁路运输特点,引入道路网络分块思想和最小方向差原则,设计了一种基于GPS的快速地图匹配算法,用以加快地图匹配速度,实验表明该算法有一定的可行性。