近年来,我国的铁路建设经历了实质性的增长,铁路运输优势愈加明显,但同时这种增长也给铁路的安全运营增加了巨大的压力。在列车运行过程中,列车实时位置信息的获取是确保列车安全运营的关键。传统的有线列车定位方式能够提供可靠的定位精度,但存在一些诸如成本高、部署复杂、维护困难等实际问题;全球定位系统(Global Positioning System,GPS)可以实现高定位精度并已经广泛应用于包括铁路在内的车辆系统,但是受到很多限制,比如列车可能经常通过诸如隧道、丘陵地区、城市峡谷等GPS盲区。基于无线传感器网络(Wireless Sensor Network,WSN)的无线定位方式由于成本低、部署维护简单、无中心、自组织、多跳路由和动态拓扑的特点,在列车的跟踪定位等领域体现出了巨大的潜力,并不断被人们去挖掘创新。本文主要针对复杂环境下的列车定位进行研究,以WSN、蒙特卡罗原理、近似贝叶斯滤波算法为理论基础展开研究,提出了一种基于扩展卡尔曼-粒子滤波的WSN列车定位算法(Extended Kalman-Particle Filter,EK-PF)。论文主要内容和研究成果如下:(1)首先针对列车运行坏境的复杂性,建立了WSN列车定位系统模型。通过在轨旁部署锚节点以及车顶的网关节点,完成了对列车定位的WSN构建,在WSN定位系统模型部署方面通过不同的部署方式,实现锚节点的无盲区部署,保证任何时刻网关节点均处于锚节点的通信覆盖范围之内。为了建立锚节点和网关节点间的无盲区、实时双向通信链路,计算出锚节点通信半径的满足条件。(2)由于蒙特卡罗WSN移动节点定位存在粒子退化现象以及粒子滤波不适合线性运动观测方程情况下的目标定位等问题,本文采用扩展卡尔曼滤波理论。在列车运动方程表示和数据处理方面,将网关节点接收到的数据分类,记录锚节点的信号强度及位置坐标,选择适当的定位锚节点并计算出网关节点到定位锚节点的距离,表示出列车的运动方程。利用扩展卡尔曼滤波原理在线性环境(运动观测方程)下的优势,计算并选取适当的重要性概率密度函数以解决粒子退化,并建立列车运动过程中的重采样机动模型,得到不同运动条件下的权值更新因子及更新权值,以提高列车的定位精度。通过仿真实验证明,本文算法较传统算法在定位精度、算法的鲁棒性上均有所改善,能够进一步提高定位精度。(3)针对每次实验会受不同外界因素的影响而有可能产生较大误差的问题,本文在选取出合适有效的定位锚节点后,进一步采用重采样以选出最优的定位锚节点,根据最优定位锚节点结合本文算法可以进一步提高定位精度。通过仿真实验,相比粒子滤波定位算法,列车在直线运动模型和曲线运动模型下,本文算法的定位精度均提高了20%-28%左右,证明了算法的有效性。