随着我国铁路运输的快速发展,列车的运行安全越来越被人们所重视,因此列车定位的研究受到了极大的关注。由于卫星导航系统和惯性导航系统(INS)在功能上优势互补,能够有效地提高列车定位系统的性能,所以一直是国内外研究的热点。因此,针对两者组合定位信息融合技术的研究已经成为提高组合导航系统定位精度的关键环节之一。在列车定位的应用方面,我国北斗卫星导航系统(BDS)的逐步完善使得对基于BDS/INS的组合导航系统信息融合滤波技术的研究,具有十分重要的战略性和前瞻性意义。本文以北斗卫星导航及惯性导航的组合导航系统为研究基础,分析了扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波算法(PF)三种算法各自的特点,针对粒子滤波算法容易出现粒子样本多样性匮乏的问题,结合蚁群算法的思想,设计了采用蚁群算法优化粒子重采样过程的滤波算法——蚁群粒子滤波算法(ACO-PF)。该算法通过蚁群算法分布式并行搜索的特点对粒子状态更新之前的重采样过程进行优化,缓解了粒子样本匮乏的问题。为了验证蚁群粒子滤波算法的有效性,建立数学模型并对几种算法进行对比仿真,仿真结果证明了改进后的粒子滤波算法在非线性问题处理上具有一定的优势。最后,根据BDS/INS的误差参量,建立了列车运行的速度误差、位置误差,陀螺仪和加速度计等惯性器件的导航系统数学模型,将UKF、PF和ACO-PF算法应用于列车误差模型并通过MATLAB进行建模仿真对比,验证了改进后的算法在列车定位信息融合滤波处理中的有效性。仿真结果表明,相比传统粒子滤波,蚁群算法改进重采样过程后的粒子滤波算法能够有效的提高粒子的多样性并使得粒子的状态估计结果更加接近真实值。在一定程度上提高了组合导航系统的稳定性和定位精度,为列车的安全运行提供了保障。