一、课程导论：列车定位技术概述、多传感器融合的必要性、课程目标与学习路径
1.1 列车定位技术概述
各位同学，大家好。我是你们这门课的主讲人。在轨道交通领域摸爬滚打了十几年，我最大的感触就是——定位，是所有智能驾驶和调度系统的基石。
你想想看，一列时速300公里的高铁，如果不知道自己在哪，那调度员怎么敢让它进站？两列同向行驶的列车，如果定位误差超过安全距离，后果不堪设想。所以，列车定位技术，说白了就是给列车装上一双永不闭上的眼睛。
传统的列车定位，大家可能都听说过：
- 轨道电路：通过钢轨和车轮的短路来检测列车占用。这东西很可靠，但只能告诉你“有车”或“没车”，精度嘛……大概一个区段几百米。
- 应答器（Balise）：安装在轨道上的电子路标。列车经过时读取位置信息。精度高，但只能点式定位，两个应答器之间怎么办？盲区。
- 测速电机/多普勒雷达：通过车轮转动或地面反射来推算速度，再积分得到位置。但车轮会打滑，雷达会受天气影响，误差会随时间累积。
我记得刚入行那会儿，参与一个地铁项目。当时用的就是纯测速电机+应答器方案。结果有一次，列车在雨天下坡路段，车轮打滑严重，定位系统直接报错了。调度员紧急制动，列车在站台前50米才停下。虽然没出事，但那一幕让我印象极深——单一传感器，真的靠不住。
核心观点： 没有任何一种传感器能在所有工况下保持完美。轨道电路可靠但粗粒度，应答器精确但稀疏，测速电机连续但易漂移。这就是为什么我们需要多传感器融合。
1.2 多传感器融合的必要性
为什么要搞融合？我给大家讲个真实案例。
几年前，我参与某条城际铁路的CBTC（基于通信的列车控制）系统升级。原来的方案是：应答器+测速电机。但运营方发现，在隧道出口、高架桥等区域，定位误差经常超标。为什么？
- 隧道出口：GPS信号突然恢复，但测速电机已经累积了误差，两者数据打架。
- 高架桥：多径效应严重，雷达测速不准。
- 雨雪天气：轮轨黏着系数变化，测速电机打滑。
后来我们加入了惯性导航（IMU）和卫星定位（GNSS），用卡尔曼滤波做融合。效果立竿见影——定位误差从原来的15米降到了2米以内。
所以，多传感器融合的必要性，我总结为三点：
- 互补性：每个传感器都有自己的“盲区”和“强项”。GPS在开阔地带准，但隧道里不行；IMU短时精度高，但长期会漂移。融合就是取长补短。
- 冗余性：任何一个传感器失效，系统还能靠其他传感器继续工作。这是安全关键系统的基本要求。
- 鲁棒性：环境变化（天气、电磁干扰、遮挡）不会导致定位完全失效。融合系统能自动调整权重，适应环境。
避坑指南： 我曾经犯过一个错误——以为传感器越多越好。结果数据量太大，融合算法处理不过来，反而引入了延迟。记住：融合不是堆砌，而是精选。选哪几个传感器、怎么融合，需要根据实际场景来定。
1.3 课程目标与学习路径
这门课，我希望能帮你做到三件事：
| 目标 | 具体内容 | 你能得到什么 |
|---|---|---|
| 理解原理 | 掌握各类定位传感器（GNSS、IMU、测速电机、应答器、雷达、视觉）的工作原理和误差特性 | 能分析不同场景下传感器的表现 |
| 掌握方法 | 学会卡尔曼滤波、粒子滤波、图优化等主流融合算法 | 能自己搭建一个简单的融合定位系统 |
| 实战落地 | 了解工程中的标定、同步、故障诊断、安全完整性等级（SIL）等实际问题 | 能参与实际项目的方案设计和调试 |
学习路径，我建议这样走：
- 先打基础（第1-5章）：搞懂每个传感器的脾气。别急着学算法，先知道每个传感器什么时候靠谱、什么时候掉链子。
- 再学融合（第6-15章）：从最简单的加权平均开始，到卡尔曼滤波，再到更高级的粒子滤波和图优化。每章我都会给代码示例，建议你亲手跑一遍。
- 最后实战（第16-30章）：结合真实场景（隧道、高架、雨雪、电磁干扰），做完整的融合方案设计。我会分享一些我踩过的坑，帮你少走弯路。
重要提醒： 这门课不是纯理论课。每章我都会留一个小练习，可能是写一段代码，也可能是分析一个故障案例。请一定动手做。我见过太多人“一听就会，一写就废”。定位系统是工程，不是数学题。
好了，导论就到这里。下一章，我们正式开始——GNSS定位原理与误差分析。我会从GPS讲起，但也会聊聊北斗和GLONASS。嗯，到时候见。