当前我国高铁事业进入了一个蓬勃发展时期,单一导航系统已经不能满足日益增高的列车定位需求,所以研究可以优势互补的GNSS和INS的组合导航系统在列车定位方面有着很好的应用前景。论文以对GNSS和INS两种导航系统进行分析并科学搭建了GNSS/INS组合导航系统的数学模型,对常用的滤波算法如UKF、PF、UPF等算法进行深入研究,根据UKF和PF的优缺点提出了两种基于不同重采样优化策略的改进方法,即基于最速下降法的AFSA-UPF算法和基于扩散序列重采样改进的RBUPF算法。基于最速下降法的AFSA-UPF算法通过集群智能算法,最优化方法等多种方法的结合可以实现快速寻优并保持粒子的多样性,有效解决了UPF的粒子贫化问题。基于扩散序列的重采样策略的RBUPF算法,针对UPF算法计算量大的缺陷,采取降维分解子空间,每个子空间选取最优算法的方法来解决问题,大大降低了计算量,并补充了扩散序列重采样策略来防止粒子退化。两种算法均是由跨领域的多种方法融合而来,根据非线性复杂定位问题的实际需求,旨在利用多种算法的优点来改进UPF算法的不足,利用各种算法的优势互补进行改进融合。通过经典的非线性、非高斯系统目标跟踪模型验证了两种改进的融合滤波算法在缓解粒子退化,减少计算量及提高定位精度等方面表现出了良好的效果。为了进一步论证本文结论,设计了在GNSS/INS组合导航系统中模拟真实的列车运行数据并通过Matlab仿真。通过对仿真图曲线、算法运行时间、误差等多个对比数据的分析验证了两种改进算法在实际应用中也有着较高的性能提高。