伴随着我国铁路的飞速发展,列车的稳定运行越来越受到人们所重视,其中卫星导航结合惯性导航(INS)因为其具有的独特的优势一直是国际上研究的热点。然而,尽管我国北斗卫星导航系统(BDS)定位精度很高,覆盖面积很广,但在城市密集的建筑中或者郊区密集的丛林中会出现盲区无法定位的情况。为了更好的增强北斗卫星定位/惯性导航组合定位系统(BDS/INS)的列车定位的准确度性和稳定性,本文结合小波神经网络(Wavelet Neural Network,WNN)对列车的组合定位在北斗信号有效和北斗信号失效(盲区),进行了深入的研究。在北斗定位和惯性导航信号有效的情况下,分析了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波算法(PF)算法的特点,针对列车的运动为非线性,同时难以准确的构建问题,结合小波神经网络的思想,设计了基于PSO小波神经网络辅助KF的滤波算法。通过神经网络结合小波神经网络与粒子群算法,其中,神经网络的模型通过滤波前的信号,实际滤波信号和理想滤波信号的差值共同构建。同时,考虑影响小波神经网络精度的因子:对其权值,阈值和学习率进行了优化。在此基础上,通过加入对数函数对学习率进行改进,利用遗传算法(GA)和粒子群优化算法(PSO)组合进行优化其权值和阈值。为了验证PSO小波神经网络辅助卡尔曼滤波的有效性,建立数学模型并对几种算法进行对比仿真,仿真结果证明了表明了经过优化的小波神经网络的不但收敛速度有所提高,还有效提高其定位精度,同时在保持原速度波形的整体趋势前提下,减少了滤波导致的信号误差,实现了实验的目的。在北斗定位信号失效,而惯性导航有效情况下,本文首先通过对北斗定位信号正常时利用惯性导航系统的位置速度信息作为输入,北斗定位和惯性导航信号融合的位置速度信息作为输出构建了小波神经网络模型,在北斗定位信号失效时将惯性导航的位置速度等信息和小波神经网络的输出作为优化后UKF的输入。最后通过数据仿真验证了列车盲区定位算法的有效性,即使在北斗定位信号中断期间,北斗惯性导航组合定位仍能有效的达到我国北斗二代导航定位系统10m位置误差精度的要求。