随着我国高速铁路以及城市轨道交通的迅速发展,为了满足现代列车高速运行,列车控制系统就需要一套低成本可靠的列车姿态测量系统。MEMS(微机电系统)IMU(惯性测量单元)具有低成本、低功耗等特点。当前,国内研制的高速列车ATO(自动驾驶)是在CTCS3级列控系统基础上实现的,目前已经装车并成功运营。ATO的实现主要是通过IMU测量列车的姿态信息推算出列车位置、速度等信息,与GNSS和雷达等传感器进行多传感器信息融合,对列车信息进行可靠的测量。将相关信息发送给列控系统对列车进行决策控制。CTCS3级的ATO系统适用于高速等级的线路,扩展其适应更加复杂的环境是未来发展的一个重要研究方向。本文研究了有侧风的情况下高速列车动态姿态监测技术,主要从传感器数据处理的数学建模、传感器误差分析与算法补偿和姿态解算与实验分析验证三个方面进行了研究,1、提出一种能抑制信号发散提高解算精度的模型。IMU解算的姿态信息随着时间的推移姿态信息会产生发散,进而影响了列车速度和位置信息的解算。为了抑制信号的发散程度,将输入与输出信号构成一个闭环回路,使得输出信号对输入信号实时进行反馈。提出一种基于RLS多重小波分解重构的强追踪自反馈模型。2、对传感器进行误差分析与算法补偿。在分析了传感器误差源的基础上,对信号的噪声进行了滤波和误差补偿处理。本文算法以小波变换为基础并对其进行改进,建立新的软阈值函数。由于模型处理后的数据带有部分奇异值,提出了一种改进的快速中值滤波算法。对于陀螺仪零偏噪声问题,提出零偏不稳定性抑制算法。3、进行姿态解算与实验分析。进行了两组实验,分别是动态实验与静态试验。对于两种不同的实验,数据处理方法均采用本文所提出的算法模型,但用不同的参数和方法来衡量改进后的传感器性能。最后,将本文的结果和目前最新的小波变换算法的结果进行对比,其结果表明:该算法减小了信号中的噪声,有效地抑制了MEMS陀螺仪随机漂移,提高了姿态解算的精度。肯定了使用该方法的可行性和有效性。最后本文选用宝—兰线,选择了峡谷、桥梁、隧道口等一些侧风比较明显的地方,对列车姿态情况进行了监测实验,证明了本文所提出算法的有效性和可行性,并为列车姿态的监测提供了一定的参考价值。