本文研究了移动机器人的同时定位和地图构建(SLAM)的仿真平台问题以及声纳数据关联算法。SLAM问题可以陈述为：自主移动机器人从未知环境中一个未知的初始位置开始，经过一系列位置并在每个位置得到一组传感器测量数据。机器人的目标是处理这些传感器数据得到环境的一张估计地图并用这张地图实现自身的定位。解决SLAM问题是机器人真正实现自治的关键。自从1987年以来，SLAM问题一直是机器人领域一个开放性的研究热点。 一个经典的解决方法——采用序列子地图的一致性随机构图法，本文给予了详细分析和讨论。它采用了一种分组感知的处理方法，能够鲁棒性的感知环境中特征(比如直线段和拐角)的类型和位置。而且它还采用了一种地图连接的技术和一种鲁棒性的机制来确定地图中的哪个特征与环境中的同一特征相匹配。 仿真平台能够使SLAM研究更方便。一些研究者开发了几种基于激光测距的SLAM仿真平台，然而基于声纳的仿真平台几乎没有被介绍过。本文给出了以matlab工具箱的形式开发的基于声纳的移动机器人仿真平台：S4MR。通过分析和仿真编码器、电子罗盘、Polaroid6500声纳的工作机理，我们给出了这些传感器的参数可调的模型。传感器为机器人采集其自身位姿信息和环境信息。配备传感器的S4MR机器人可以在静态环境中运行，同时允许行人在其周围移动。与真正的基于声纳的机器人相比，仿真试验表明S4MR．是可信的。 在移动机器人领域，Polaroid声纳仍然是最常用的传感器之一。但是，大多数研究者认为采用声纳数据进行机器人定位和地图构建远比采用激光数据困难。为了解决声纳数据的理解困难，我们开发了两种有效的声纳数据关联算法：CIHT和THF．这两种算法在S4MR平台上得到了可行性验证。