随着科学技术和经济建设的快速发展,我国对铁路交通运输的投入逐年增长,列车运营里程越来越长、速度越来越快、班次越来越密集,这些都对列车定位系统的精度和可靠性提出了更苛刻的要求。当前,单一的列车定位方法无论是从定位精度还是从实时性方面都难以满足高安全性和高可靠性的定位要求,偶发性的列车事故则可能严重损害国家财产和人民生命安全。为了提高列车的运行安全,本文研究将多个具有鲜明特点的量测方法取长补短,融合建立了适用于列车定位的组合系统。INS/GNSS作为应用最广泛的组合方式,能够为列车提供高精度的定位服务。同时使用里程计数据对INS/GNSS组合系统进行辅助,进一步提高列车定位系统的可靠性。本文围绕列车INS/GNSS组合系统的几个关键技术问题展开研究,提出了适用于列车复杂行驶环境的高精度非线性滤波解算方法;同时融合里程计的量测数据构建INS/GNSS/ODO列车组合定位系统,提高了组合系统的定位精度和稳定性;设计出适用于列车定位系统的融合滤波算法,研究并探讨了非线性滤波和数据融合滤波在列车动态行驶状态以及多变道边环境下的定位表现。探索性的工作以及科创性贡献如下:（1）高速列车进行组合定位时,需要建立描述系统动态特性的系统状态方程和反映量测信息的量测方程。首先分析列车组合定位系统使用的坐标系参考系统与各个子系统参考系之间的变换原理,明确了转换方法;其次推导了列车组合定位系统中各个子系统在导航坐标系下的力学编排方程与误差模型方程;最后构建了列车组合定位系统的状态方程和量测方程。（2）针对列车复杂行驶环境以及车体振动与摆动对惯性器件的影响所可能产生的列车定位系统模型误差干扰这类问题,提出一种适合列车INS/GNSS组合定位系统直接法滤波的自适应UKF算法（CMAUKF）。在该算法中,基于协方差匹配技术设计了一种噪声统计估计器,对过程噪声和量测噪声的协方差阵进行在线更新,实时反馈到UKF中以补偿INS和GNSS噪声分布的先验知识。基于Lyapunov方法证明了CMAUKF算法的随机稳定性。仿真实验表明该算法使UKF动态状态和参数估计的自适应能力进一步增强,显著提高了列车的定位精度。（3）针对列车行驶时卫星接收的多路径效应可能导致量测噪声受到非高斯噪声干扰的问题,提出了基于高斯过程回归的无迹粒子滤波算法（GPUPF）。联合高斯过程回归方法（GPR）,GPUPF能够缓解PF的粒子退化现象,通过GPR在线估计和调整过程噪声和量测噪声的协方差,当系统模型存在误差时通过学习训练数据获取系统的回归模型,进而得到优化的重要性密度函数,提高滤波精度。提出的新方法在线估算系统噪声统计,显著的缓解由于噪声统计误差波动对滤波精度的干扰,抑制卫星接收信号多路径效应对列车定位系统的干扰影响。（4）为了保证列车在多山隧道及其他卫星信号易受干扰区域的定位精度和稳定性,以INS/GNSS组合系统为基础,联合里程计量测数据构建了INS/GNSS/ODO列车组合定位系统,并为该系统设计了一种基于UKF的最小方差多变量加权最优数据融合方法。首先,提出的数据融合算法采用UKF作为双层结构中的局部滤波器,以INS为参考定位系统,同时联合GNSS及ODO构造两个子滤波器,得到列车组合定位系统中局部状态的最优估计值,UKF代替KF作为局部滤波器,适合应用于具有非线性特征的INS/GNSS/ODO列车定位系统;其次,在数据融合结构的第二层根据线性最小方差准则推导出一种新的多变量加权融合方法,其全局最优的计算结果来源于对列车组合定位系统子滤波器计算估计值的融合。优化后的融合算法无需采用方差上界技术对局部状态进行去相关处理,降低了方差上界变换可能造成的保守性误差,提高了列车定位精度。（5）为降低INS/GNSS/ODO列车组合定位系统对于量测干扰信息的敏感性,将自适应滤波引入列车组合系统的联邦卡尔曼滤波器以提高数据融合的精度和稳定性。首先,在联邦卡尔曼滤波器中,采用CMAUKF作为局部滤波器进行滤波解算来处理具有非线性特征的INS/GNSS/ODO组合系统,提高了局部滤波器在系统噪声统计未知时的滤波精度;同时,在融合滤波的第二层分别采用基于自适应滤波调整信息分配系数的方法以及第五章提出的多变量加权方法进行全局融合滤波。通过仿真及实验对比,验证了本章所提出的数据融合算法能够提高列车组合定位系统的自适应能力。