自高速铁路在我国投入建设以来,大量的新开线开始运营,在方便国民出行的同时也带动了社会经济的发展。但随着高速列车运行速度的提高也给列车运行控制系统带来了挑战,为了确保高速列车能够安全高效的运行,因此要求列车定位系统能够提供高精度、高可靠性的定位信息并具备抗干扰性能。采用多种传感器构成的列车组合定位系统可以充分发挥各传感器的性能优势,同时提高系统对突发故障的容错性。因此,本论文针对基于GPS及关键应答器的列车组合定位方式进行研究分析,并对列车组合系统的融合估计算法进行了重点研究。论文首先介绍了多传感器列车组合定位系统在国内外的研究现状,在综合考虑各传感器的特点的情况下提出GPSINS和关键应答器的列车组合定位方式,与传统的GPSINS组合方式相比,提高了组合系统的定位精度和抗干扰性;并对列车组合定位中信息融合的关键技术发展进行了研究。针对列车运行模型的非线性特性,采用容积卡尔曼算法对组合定位系统进行多传感器信息融合;为了应对列车定位系统在复杂运行场景下存在的外部不确定干扰,引入鲁棒估计理论对算法进行改进,改进后的算法对未知干扰具有很好的抵抗性;同时为了解决改进算法在迭代计算过程潜在的非正定性问题,采用奇异值分解取代原有的乔列斯基分解,使算法能够在计算机应用上更好的应用。改进后的基于奇异值分解的容积卡尔曼鲁棒算法在鲁棒性和精度上都有较大的提高。研究了组合导航系统的组合方式以及滤波结构,综合考虑实现复杂度和性能对列车组合定位系统的整体结构进行设计,并针对联邦滤波结构对算法进行改进;通过对列车组合系统的研究分析推导其状态方程与量测方程,以便于算法进行迭代滤波。最后,论文对基于GPSINS和关键应答器的列车组合定位进行了仿真分析。通过仿真验证了改进算法在准确性和鲁棒性方面上的性能以及单一定位和组合定位的性能。仿真结果显示改进算法可以有效的降低组合定位系统的定位误差,在对抗外部不确定干扰上也得到了改善。