人们对海洋资源的争夺随着科技的日新月异越来越激烈,船舶动力定位技术为海上资源的开发提供了一种有效手段,但如何提高DP (动力定位)船舶的作业安全性以及定位精度和可靠性,一直是这项技术的研究重点。在海上,由于环境的复杂多变和各种不确定因素的影响,依靠单个传感器实现定位的效果总是差强人意,因此要把多个传感器的数据结合起来进行融合,这已经成为了研究的热点。本文的研究对象为动力定位船,针对传感器测量噪声统计特性不准确的情况,提出了基于模糊自适应的单传感器的滤波方法,再利用多级分层传感器数据融合结构,将多个传感器的数据进行融合以得到更加准确的船舶运动状态估计,这就为动力定位船的精确定位提供了可靠的保证。本论文首先进行动态系统模型的建立,包括船舶运动模型和传感器观测模型。其中,船舶运动模型主要包括船舶高、低频运动模型,以及海洋环境载荷海风、海浪、海流的模型。传感器观测模型的建立主要是针对船舶位置测量系统中的差分GPS、水声、张紧索位置参考系统进行建模。并通过仿真实验证明建立的模型是正确的,为论文的后续研究提供了必要条件。动力定位传感器测量系统量测噪声统计特性随实际工作环境不同而变化,针对测量噪声统计特性可能存在的不准确性问题,本文提出一种基于模糊逻辑的自适应滤波方法。首先对线性滤波方法中的卡尔曼滤波基本原理进行介绍,然后提出了模糊自适应卡尔曼滤波,该算法通过比较理论残差与实际残差的一致程度,利用模糊推理系统得到测量噪声协方差阵的调节系数进而不断调整该矩阵,从而使滤波精度提高,发散得到抑制。鉴于动力定位系统为非线性系统,在线性滤波的基础上推广到非线性滤波算法中的容积卡尔曼滤波,同时为了克服计算发散提出平方根容积卡尔曼滤波,再将其与模糊推理系统结合,最终得到基于模糊自适应的平方根容积卡尔曼滤波算法,在线实时调整测量噪声方差阵,提高了船舶运动状态估计的准确性。为充分利用多传感器的测量信息,提高船舶位置状态估计的精度,需要将各个子传感器的信息资源科学合理的分配。联邦滤波器作为分散化滤波中重要的一种,目前应用的较多,多级分层融合结构可以看成是联邦滤波结构的推广,融合精度较高。本文分别对联邦滤波算法和多级分层数据融合算法进行了研究,并比较了二者的信息融合精度。最后建立动力定位系统总体仿真环境,对所研究的基于模糊自适应的多传感器信息融合算法进行了仿真验证。结果表明,本文提出的算法是切实可行的,提高了船舶位置状态的估计精度,保证了动力定位系统的安全性、可靠性和整体定位精度。