近些年我国铁路建设高速发展,几条重要客运专线相继开通。同时随着通信技术的不断发展,蜂窝网定位技术的研究也取得了丰硕的成果。作为通信系统主干网络的GSM-R(Global System for Mobile communications-Railway,综合专用数字移动通信系统)网络已覆盖了铁路大部分区域。由于铁路建设过程中的投入成本和后期的运营维护成本都非常高,故在一些特殊线路,存在采用新技术实现建设和运维低成本化的需求。这些都为蜂窝网定位技术在铁路环境中的应用提供了良好的条件。但是无线电波在铁路环境中传播的不稳定性使它难以满足铁路系统安全高效的需求。本文就这一问题进行了初步的研究。首先简要介绍了蜂窝定位技术,然后分析了在铁路环境中采用蜂窝定位技术的特点与难点。在这基础上针对蜂窝网络定位技术定位精度不高和在铁路实际中难以应用的现状,提出了一种新的列车低成本组合定位方法。该方法基于信息融合的思想,对现有的蜂窝网定位模型、里程计定位模型和组合定位算法进行了改进。其具体是把里程计定位参数和蜂窝网定位参数处理为若干列车可能的位置区域,计算区域中列车位置出现的概率,以所有位置中出现概率最大为优化目标,建立列车定位的误差优化模型。在此基础上用改进的智能算法对多目标优化模型进行求解,并用MATLAB仿真。仿真结果表明在复杂的铁路环境中,该定位方法对不同来源的误差有很好的吸收作用,是一种有效的定位方法。最后针对铁路环境下的NLOS(None Line of Sight,非视距)误差进行分析,讨论了经典的Wylie算法在NLOS误差抑制中的优缺点。根据上一节提出的基于信息融合的蜂窝网和里程计的低成本列车定位模型,在定位过程中大部分采用TOA(Time of Arrival,到达时间)定位方式的基础上,在融合模型的参数预处理阶段引入经典的Kalman滤波器,推导出TOA参数在LOS(Line of Sight,视距)情况下的无偏估计和NLOS情况下的误差抑制,之后又根据列车运行过程中的特点对Kalman滤波器进行了改进,并用MATLAB仿真。仿真结果表明本文对滤波器的改进,对抑制NLOS误差是有效的。