自主水下航行器（AUV）是水下移动机器人的应用最广泛的一种形式，可自主完成水下作业和任务。由于在水下不可使用GPS，在进行大范围远程航行时，AUV的定位主要依赖于自身携带的本体导航装置，而本体导航装置的定位精度可能很有限。当多个AUV形成编队航行时，低自定位水平的AUV可以借助编队的结构信息改善本体的定位精度。因为需要通过 AUV所携带的换能器进行AUV间信息的交互，意味着定位过程需要多个AUV协作才能完成，所以称这种改善定位精度的方法为多AUV协同定位。协同定位将多AUV编队的结构信息加以利用，最大限度地利用了AUV的通讯网络和探测网络，给AUV的定位带来了新的解决方式。近年来，多AUV协同定位技术受到了很大的关注，也诞生了一些应用成果，成为了AUV定位领域的研究热点问题，也代表着多AUV在大范围运动时定位技术的发展方向。本文在阐述协同定位问题的基本方法和理论的基础之上，将需交互的信息按照通讯式获取和探测式获取进行区别，对协同定位技术进行了深入的研究。论文的主要研究成果和创新点如下：　　(1)多种基于非线性贝叶斯滤波方法的协同定位算法备选的从 AUV定位精度提高方案。　　相比于没有考虑测量数据误差对定位结果影响的几何学定位方法和只考虑后验数据的概率学定位方法，兼顾考虑 AUV运动模型和测量数据的基于贝叶斯滤波的协同定位算法具备更高的定位精度。最为常用的基于EKF的协同定位算法中由于EKF解决AUV的非线性因素时对非线性函数的泰勒展开式进行一阶线性化截断，忽略其余高阶项，并且需要计算雅可比矩阵，继而造成较大的估计误差和需要繁琐的计算。为了提高非线性估计的精度，本文给出了基于UKF和CDKF两种 sigma点卡尔曼滤波(SPKF)的协同定位方法，由于分别使用Unscented变换方法和Sterling多项式插值处理非线性运动模型和观测模型，克服了近似处理非线性系统和必须计算雅可比矩阵的缺陷。相比于 SPKF，粒子滤波(PF)由于算法的非参数化的特点，摆脱了解决非线性滤波问题时对于随机变量必须满足高斯分布的制约，能够表达更广泛的分布，也对变量参数的非线性有更强的建模适应性。本文继而给出了基于PF的多AUV协同定位算法。正如仿真中所看到，利用sigma点卡尔曼滤波和PF的多AUV协同定位算法提高低精度自定位AUV定位精度的能力优于传统的利用EKF的算法，远优于只使用航位递推的方法，是值得推荐的多AUV协同定位算法。　　(2)利用量测误差间的相关性粗估计量测的误差修正算法。　　无论是通讯式量测获取方式或是探测式量测获取方式都有其各自的特点。提高协同定位精度的过程就是利用各种数据处理方法对协同定位全过程进行处理的过程，当然包括对量测的预处理。在进行信息交互的过程中，通信所使用的声信号的传播具有同向性或探测所产生量测具有区域相似性，而这种同向性和相似性在量测数据上的表现就是误差的相关性。当主AUV接收到从AUV的询问信号并回复脉冲信号时，其应答脉冲在传输过程中具备各向同性，由各向信号解算出的量测的误差间具有相关性，且相关程度与所解算的信号传播的距离差有关。在探测式量测获取过程中，当多个AUV处于某一探测AUV的同一探测波束内时，认为其处于“共同观测环境”中，此时对各被探测 AUV的量测误差具有相关性，且相关程度与被探测 AUV间的距离有关。本文在量测被融入滤波器前，在标定和分离出量测中的系统误差后，先根据量测误差的相关性，在合理地组织协同结构和资源的基础上，设计了基于水声传播同向性和基于共同观测环境的量测粗估计算法对量测进行粗估计，去除部分量测误差，很好地预处理了检测值。从仿真结果中可以看出，当需要被定位的AUV接收到应答信号并解算出相对量测后，先用量测粗估计算法对量测信息粗估计，然后再利用贝叶斯滤波器估计 AUV的位置，可以获得更好的效果，是值得推荐的多AUV协同定位方法。　　(3)考虑量测异步和量测非顺序到达的协同定位算法。　　在通讯式量测获取方式中，信息分脉冲串和通信数据包两部分依次从主AUV发送至从 AUV。在信息的传输过程中，除了水声传播延迟外，还有信号发射延迟和信息处理延迟。相比之下，通信包由于承载的信息量大，传输过程会更复杂。在实际中，量测异步是利用多主领航模式进行协同定位的必然结果。按最基本的水声传播原理，主AUV发出的信息应按照主从AUV的距离近远先后异步到达从AUV，而不是同步到达。本文设计了三主模式下的序贯协同定位算法，将异步量测按到达顺序加以利用以提高协同定位精度。在信息的传输过程中，由于信息传输的滞后，使本来应该较早到达从 AUV的信息较晚到达，而主 AUV发送的较晚的信息已经在较早前到达，即发生量测信息出序到达。通常情况下这种量测信息出序的原因是承载信息更多的关于主 AUV状态的通信包的迟到。对于以贝叶斯滤波器为基础的协同定位来说，通信包的出序意味着当较早时刻形成的量测可以使用时，被估计的从 AUV的状态已经更新至较晚的时刻，以致按照常规的协同定位算法无法使用量测更新被估计的状态。本文设计了单领航者相邻周期和三领航者同一周期的非顺序量测融合处理算法，将出序量测信息直接对从 AUV最新的被估计状态进行更新，在信息无损的前提下完成状态的实时估计过程。仿真结果验证了考虑了量测异步和信息出序的协同定位算法拥有更高的定位精度，表明了本章所提出算法的有效性和一致性。　　(4)探测式量测信息获取方式下的同时定位与跟踪算法。　　在AUV与外部交互信息的过程中，探测手段物理上独立，平行于通讯手段。在协同定位中，探测式获取量测的方法可以作为通讯式获取量测方法的一种补充。当通讯中断时，从 AUV除了可以利用自身携带的低精度航位递推装置递推估计自身运动状态外，还可以利用先验信息建立主 AUV运动状态估计器，结合探测式获取的量测以估计主AUV运动状态，进而完成协同定位过程。相比于基于通讯式获取量测的协同定位，基于探测式获取量测的协同定位过程含有更多的不确定性。一个重要体现就是主 AUV的运动状态的估计值不是由主AUV传送给从AUV，而是由从AUV通过其获取的量测结合其对主AUV运动规律的认识得出的。在协同定位过程中，主 AUV位置估计的不确定性增大的结果就是从AUV定位精度的下降，而根本原因就是从AUV在探测时主AUV的非合作性。本文将从AUV在进行探测式获取量测时的主AUV视为目标体，从AUV在进行自定位的同时，完成对主AUV的跟踪，即完成同时定位与跟踪(SLAT)的目标。为了完成SLAT的任务，本文分别提出了基于EKFSLAM框架和基于FastSLAM框架的SLAT算法。在基于EKFSLAM框架SLAT算法中，设计广义向量，将描述主、从AUV运动的状态量统一起来，消除主、从AUV运动估计的相关性影响，达到准确定位的目的。在基于FastSLAM框架的SLAT算法中，参与后验估计的每个粒子都含有主、从 AUV的状态的估计参量和粒子权值，并设置了与主AUV同等数量的EKF。算法利用粒子滤波器估算从AUV的位姿状态，同时利用EKF估计主AUV位置状态。从仿真结果可知，相比之下，基于FastSLAM框架的SLAT算法在估计精度上要优于基于EKFSLAM框架SLAT算法，而一些改进的基于FastSLAM框架的SLAT算法，如自适应SLAT算法，则具备更好的适应性和累积误差抑制能力。