列车运行控制系统的各个子系统，如ATP(Automatic Train Protection,列车自动防护)、ATO (Automatic Train Operation,列车自动驾驶)和ATS(Automatic Train Supervision,列车自动监控)等，都要应用列车位置信息。尤其在高速铁路系统中，高精度的列车定位系统对于保证列车运行安全、提高列车运输效率，具有重要的意义。目前国内的铁路定位系统，主要包括测速定位系统、轨道电路定位系统和BaS(Ba-lise System,查询应答器系统)系统。但测速定位由于车轮的磨损等原因，存在累计误差；而轨道电路和BaS系统由于是不连续的定位系统，实时性较差。在导航定位系统中，提高单一传感器的精度花费巨大，效果较差，多传感器融合能综合不同类型的传感器的优点。INS(Inertial Navigation System,惯性导航系统)系统存在累计误差，而GPS(Global Positioning Systems,全球定位系统)系统易受外界干扰。INS/GPS组合定位能相互弥补各自缺点，提供高精度的定位信息，再融入能够提供绝对位置信息的BaS系统，定位精度将进一步提高。本文先介绍了INS系统和GPS系统的基本原理，并根据位置、速度松组合模式形成了定位系统误差控制的数学模型。在滤波方法方面，现行的融合滤波方法主要是KF(KalmanFilter,卡尔曼滤波)方法，和EKF(Expand KalmanFilter,扩展卡尔曼滤波)方法，但两种算法用于非线性系统时均存在局限。在这种情况下，适用于非线性系统的PF(Particle Filter,粒子滤波)引起了人们的广泛关注。本文介绍了PF算法的基本原理及其基本缺点，在以往研究的基础上，引入FIS(Fuzzy Inference System,模糊推理系统)，形成了FAHAPF(The Fuzzy Adaptive HybridAnnealed Particle Filter,模糊自适应混合退火粒子滤波)算法，并仿真验证，结果表明FAHAPF算法下跟踪精度和收敛速度有所提高。本文最后在分析BaS系统的基础上，形成了整体的融合结构和算法，并分别对INS系统的独立定位，INS/GPS组合定位和INS/GPS/BaS组合定位进行仿真，结果表明INS/GPS/BaS组合定位精度最高。另外对PF算法和FAHAPF算法在传感器组为INS/GPS/BaS条件下进行了比较仿真，结果表明用FAHAPF算法进行滤波有更高的跟踪精度，从而证明了融合模型和融合算法的有效性。