由于我国目前城镇化的快速发展,存在着汽车普及化和缓慢的道路里程增速之间的矛盾,绿色新能源列车“云轨”是解决当前矛盾的手段之一,“云轨”所使用的无人驾驶系统为最高等级全自动无人驾驶等级,再加上轨道交通对于安全性的高要求,这意味“云轨”定位是必不可少的一个环节。在“云轨”定位中最重要的就是定位精度问题,为了满足“云轨”定位中的高精度需求,根据已有的列车定位技术,本文提出了基于UWB技术的“云轨”停车段定位方案和行驶中跟踪定位方案。首先,查阅了大量相关文献,介绍了超宽带(Ultra Wide Band,UWB)定位技术的发展历程,总结了列车常用的定位方式。发现传统列车定位技术都是基于轨道电路、应答器等,存在着成本高、维护难,易受线路影响等问题。车地通信网络给基于无线通信技术的列车定位方法提供了极大地便利性。对比了几种无线定位技术,其中UWB定位技术定位精度较高、成本相对较低,因此使用UWB定位技术进行“云轨”定位具有极大的可行性。其次,阐明了UWB的信号特点及其定位技术的基本原理,介绍了常用的定位方法,分析了各种定位方法的优缺点和定位误差的主要来源,根据实际需求选择采用基于TDOA(Time difference of Arrival,到达时间差)的定位方法。仿真分析了TDOA中常用的三种算法:Chan算法,泰勒算法以及Fang算法。仿真结果表明,Chan算法十分适用于“云轨”定位。然后,在Chan算法的基础上,通过几何因子(Geometric Dilution of Percision,GDOP)确定了定位精度和基站位置的关系。对于“云轨”停车段的场景,分析了不同基站分布和基站数量对定位的影响,仿真结果表明,当基站对称分布时,Chan算法对于整个停车段定位精度更高,并且定位精度随着基站数量的增加而提高。最后,针对于运动状态下“云轨”,引入了卡尔曼滤波(Kalman Filter,KF)算法,对基于TDOA测量值的卡尔曼滤波算法和基于卡尔曼滤波的Chan算法做了大量分析,并和Chan算法做了性能对比。在分析的过程中,建立相关的“云轨”运动模型,并设计了长直轨道上行驶的“云轨”两旁基站分布,仿真结果表明,基于卡尔曼滤波算法的Chan算法定位精度要明显优于另外两种算法。