2009年在武廣、鄭西等客運專線中，C3列控系統的應用，對高速鐵路列車定位技術提出了更高的要求。C3列控系統的主要技術原則中明確提出，列車的運營速度達到350 km／h，最小追蹤間隔為3 min，并且300 km／h及以上動車組不裝設列車運行監控裝置，在300 km／h及以上線路，CTCS-3級列控系統車載設備速度容限規定為超速2 km／h報警、超速5 km／h觸發常用制動、超速15 km／h觸發緊急制動。這些技術原則要求高速鐵路列車運行控制系統必須在任何時刻、任何地方都能確定列車的準確位置，包括列車的行車安全的相關間隔、速度、加速度及軌旁設備和車載設備資源的分配。由這些信息來確定是否需要采取制動措施，保證安全間隔。目前，陀螺、加速度計、里程儀、GPS接收機等傳感器已經普遍應用于列車測速定位系統。

　　1 高速鐵路技術的發展

　　高速鐵路技術的發展是多種多樣的，各個國家根據其路況、地形、運營需求采用不同的定位技術。法國AS-TREE系統采用多普勒雷達進行測速定位；北美ARES，PTC，PTS系統采用GPS(全球定位系統)進行定位；歐洲ETCS、日本CARAT系統采用查詢／應答器和速度傳感器進行定位；德國LZB系統采用軌間電纜進行列車定位；美國AATC系統采用無線測距進行定位。

　　根據中國鐵路地形、線路的復雜狀況及高速鐵路對列車定位技術的要求，文中提出了多傳感器組合定位的方案，選用GPS／DR／MM組合定位的方式，利用多傳感器組合定位技術信息互補的特點，采用卡爾曼濾波將所得信息進行數據融合，得到比單一傳感器定位更精確的定位數據。

　　2 列車定位系統方案

　　該方案利用DR自主定位的特點，可以保證列車在任何地方、任何時候都可以輸出定位信息，而GPS的采用可以給DR提供初始位置數據，MM的運用滿足了系統對定位精度的需求。融合算法部分采用聯邦濾波算法，解決了其他濾波算法計算負擔重，容錯性能差的缺點。

　　2．1 列車定位方式的選擇

　　2．1．1 定位方式介紹

　　GPS是一種無線電導航系統。作為最早應用于導航定位系統的高新技術，有著在全球范圍內、在任意時刻、任意氣象條件下為用戶提供連續不斷的高精度三維位置、速度和時間信息的特點。采用GPS定位時只需要在機車上安裝接收機即可，但在周圍阻擋物多的地方列車的定位精度會受到影響。并且，GPS對衛星故障十分敏感，一但一顆衛星失效，就會出現GPS性能惡化的情況。所以，不能單一的將GPS定位信息作為列控系統的位置參數。

　　DR是車輛定位導航中采用的一種比較經典的算法。它由測量航向的傳感器和測量距離的傳感器構成。本方案中采用里程儀作為測量距離的傳感器，陀螺儀作為測量航向的傳感器。里程儀輸出的是脈沖信號。車輪每轉一圈，里程儀輸出固定數量的脈沖信號，通過累加一定時間內的里程儀的脈沖數目，可以計算出車輛在這一段時間內所駛過的距離，也可以計算出車輛行駛的速度。陀螺儀輸出航向角的角速率信息。將陀螺輸出的角速率信息積分可得到列車的相對轉角。與GPS相比，DR可以自主定位，不存在遮擋等問題引起的列車定位信息遺失。但DR系統的初始位置無法自主得到，并且航跡推算是一個累加的過程，不同時刻的測量誤差和計算誤差都會累積起來，隨著時間的推移，DR誤差是一個發散的過程。

　　2．1．2 定位方案

　　根據以上對GPS和DR定位特點的分析，本方案采取多傳感器組合定位技術，即各種定位技術互相補充的方案。在鐵路線路區間，當GPS信息連續時在機車頭部安裝的GPS接收機將GPS信息送給定位系統，GPS信息作為主信息，DR信息和查詢應答器信息作為校驗信息，三者聯合濾波后給出最優的定位估計信息。

　　遇到“城市峽谷“等障礙區時，GPS信號會消失或減弱，這時采用DR信息作為主信息。GPS失效前一點位置正好可以作為DR的初始位置，有了初始位置以后，利用里程儀和陀螺儀就可以對下一時刻列車的位置做出估計。

　　列車進入車站后，由于股道線間距很小，GPS和DR的定位精度已經不能很好的表現出股道的差異，因此采用查詢應答器來獲得列車在站內的定位信息。此時查詢應答器信息作為主信息，而GPS信息和DR信息作為校驗信息。

　　2．2 數據融合方法

　　該方案最核心的問題就是系統基于數據融合的定位算法的設計。在列車測速定位領域應用的數據融合方法有判斷檢測理論、估計理論、數據關聯等，而應用最廣泛的就是估計理論中的卡爾曼濾波方法。與其他估計算法相比，卡爾曼濾波具有顯著的優點：采用狀態空間法在時域內設計濾波器，用狀態方程就可以描述任何復雜多維信號的動力學特性，避開了在頻域內對信號功譜做分解帶來的麻煩，濾波器的設計簡單易行，采用遞推算法。所以卡爾曼濾波能適用于任何平穩或非平穩隨機向量過程的估計，所得估計在線性估計中精度最佳。目前已經開發的濾波算法包括線性卡爾曼濾波，擴展卡爾曼濾波以及聯邦卡爾曼濾波。該方案采用聯邦卡爾曼濾波進行數據融合。