水下多传感器组合导航技术为水下运载体长时间、大范围的执行下潜任务提供了保障。多源导航信息融合过程中,导航传感器的观测模型和噪声随时间和空间变化复杂,构建准确的函数模型和随机模型具有重要的理论意义和实用价值。贝叶斯滤波不受非线性模型、非高斯噪声等问题的限制,便于模型的交互和分散式容错设计,为水下多源导航信息的融合提供了理论依据。本文以水下运载体多源导航信息融合为研究重点,基于贝叶斯滤波理论并围绕水下导航涉及的声学导航数据处理、非线性模型、有色噪声、组合导航容错设计以及多运载体协同导航等问题展开研究。本文的主要研究工作概括如下:（1）研究声学测距中的声波传播特性和长基线系统（Long Baseline System,LBL）定位模型,提出一种顾及时延特性的SINS/LBL紧组合滤波算法。通过研究水下声学定位中声速测量、声速改正方法、声学时延和观测结构等问题,结合长基线声学定位系统的时延特性,建立了LBL和捷联惯导系统（Strapdown Inertial Navigation System,SINS）的紧组合导航滤波模型。实验结果表明,SINS/LBL紧组合模型理论严密,较传统松组合模型组合导航精度更高。（2）研究非线性贝叶斯滤波算法在具体的非线性滤波函数模型中的应用,包括基于无迹卡尔曼滤波的超短基线定位系统（Ultra Short Baseline System,USBL）辅助的SINS动基座快速对准、附有垂直约束的深海拖曳系统USBL/DVL（Doppler Velocity Log,DVL）非线性滤波、强非线性声学测距方程的线性化和基于容积卡尔曼滤波的SINS/USBL紧组合滤波。实验结果表明,当初始对准精度较差时,基于无迹卡尔曼滤波的SINS动基座精对准方案可在短时间内有效的完成航向失准角的对准。当深海USBL定位效果较差时,利用USBL声学测距信息及深度约束信息可提高深海拖体的导航精度和抗干扰能力。针对短距离非线性声学测距方程,通过将测距方程增广非线性状态变量,将强非线性系统变转换为线性系统,得到优于EKF的估计结果。将声速不确定误差进行建模,并采用误差四元数和容积卡尔曼滤波算法设计了SINS/USBL紧组合滤波算法,有效的提高了SINS/USBL组合导航的精度。（3）研究水下组合导航有色噪声的处理方法,基于DVL的水跟踪和底跟踪模式,提出一种无偏的自适应两级信息滤波算法,可有效估计运载体的状态和未知洋流流速。首先,对量测有色噪声和过程有色噪声对滤波解的影响进行分析,从函数模型补偿和随机模型补偿两方面分别对量测和过程有色噪声的处理方法进行研究。实验结果表明:当有色噪声模型假设准确时,有色噪声的函数模型补偿能有效提高滤波精度,而当观测值存在较多粗差时,有色噪声的随机模型补偿具有较好的滤波效果。针对渐变和突变的未知洋流以及时变的声学测量噪声,本文提出的自适应两级信息滤波算法可以有效处理渐变和突变有色噪声,提高了USBL/DVL组合导航的精度。（4）针对水下组合导航传感器的渐变和突变故障以及模型交互问题,设计了一种自适应联邦交互式多模型滤波方案。研究故障检测中常用的故障检测方法,结合残差检测法和拟合函数检测法快速识别突变和渐变故障,为传感器的故障检测和隔离以及观测模型的选择提供判断依据。分析深海声学传感器时变观测模型集,对声学传感器的观测模型进行精化,并结合联邦卡尔曼滤波和交互式多模型滤波信息分配原理,对水下运载体组合导航进行容错设计。深海拖曳系统组合导航实验结果表明,新方案能有效结合USBL和DVL的观测模型和误差特点,自适应选择不同观测模型,提高了组合导航的精度和容错性。（5）针对领航者运载体可能出现的状态异常,本文提出一种基于自适应选权滤波模型的水下多运载体集中滤波算法。研究包括分散式和集中式模式在内的水下多运载体协同导航滤波。深海远距离协同导航定位时,考虑声学观测中的测量延迟和数据包丢失问题,选取已知观测值并利用极大验后估计求解该时刻的时延值。基于多运载体之间的双向测距或相互定位技术,考虑领航者运载体可能出现异常以及通信故障,基于选权滤波原理提出一种集中式自适应滤波算法。实验结果表明,基于选权滤波的集中式协同导航滤波算法可以判断领航者运载体的状态是否异常,并通过对量测噪声矩阵进行膨胀,抑制不良观测对滤波的影响,提高了协同导航整体系统的精度和稳定性。