水下无人航行器(Underwater Unmanned Vehicle,UUV)是无人驾驶、依靠人为遥控操作或自动行驶在水下的潜水器。UUV在海洋环境调查、水下资源物质勘探、管道检测、打捞等等诸多方面起到了重大作用。具有准确的水下导航精度是水下无人航行器能够安全顺利地完成水下作业的前提和重要保证,是决定其是否能正常工作和回收的关键。高精度的导航是决定UUV的成熟度和实用化的重要指标,而水底下环境复杂多样,单一导航方式很难满足实际的应用需求,需要辅助传感器,因此本文对UUV的水下导航的关键技术进行研究。论文主要工作有:1、对水下无人航行器的捷联惯导系统测量信息预处理和姿态解算技术进行研究,本文设计了一种基于改进自适应无迹卡尔曼滤波(改进AUKF)的姿态解算方法。先对陀螺与加速度计传感器的误差信号预处理,分别建立ARMA模型和一元高阶模型,使用经典Kalman滤波实现其过程;然后建立姿态角的微分方程,使用高精度的改进AUKF算法实现姿态角解算过程。通过试验结果显示,此方法可以得到准确的姿态角值,可以有效解决MEMS陀螺漂移引起姿态角误差。2、对水下无人航行器在实际的工作时无法快速且准确对准的问题,研究了一种GPS/SINS的速度“积分”匹配对准方法。先使用GPS的速度测量信息辅助SINS进行粗对准后,之后开始速度积分匹配精对准。建立对准模型,在使用滤波之前用最小二乘曲线拟合法对SINS解算速度值进行时间同步校正,并同时对GPS速度信号值进行杆臂效应补偿。分别使用无迹卡尔曼滤波(UKF)和改进自适应UKF实现精对准。通过试验和仿真表明,改进自适应UKF可以得到更高的对准精度和快速性。3、由于经典的UUV试验标定法存在实现等方面的不方便,本文探讨了基于SINS/GPS的UUV在线标定技术。首先,对在线标定整体方案进行设计,包括外测系统选择等等。其次,搭建SINS在线标定数学模型,同时建立滤波的状态方程与测量方程。分别使用Kalman滤波和基于新息自适应滤波来实现在线标定过程,并且通过SVD法对系统状态变量进行可观测度分析。最后通过Matlab仿真验证文中所设计的在线标定方法准确性。4、为提升水下无人航行器的组合导航精度,本文探讨了基于SINS/DVL/GPS/MCP组合导航技术。先讨论了多普勒计程仪(DVL)与磁罗仪(MCP)的工作过程和误差理论分析,建立SINS/DVL/GPS/MCP组合导航数学模型,搭建滤波的状态方程和观测方程。然后针对UUV在水下工作时惯性传感器会受到各种误差干扰,研究了联合滤波算法,使用该算法对状态变量进行最优估计。最后通过实验数据仿真验证此方法的有效性,可以大幅度提升UUV的导航精度和自适应能力,而且能够明显减小惯性传感器的误差和水下复杂环境干扰对导航精度的影响。