近年来,随着智能机器人,无人机,无人车等智能系统领域的发展,对自身的精确定位需求也越来越高。针对传统的单一智能个体使用组合多传感器或提高传感器的精度来提高定位精度方法效率低下的问题,本文提出了协同定位算法。通过使用搭载传统组合定位算法的智能群体进行协同通讯,获得彼此定位数据通过联邦滤波结构对定位结果进行优化。最终达到提高单个智能个体的定位精度和抗干扰能力:(1)为提高单个智能个体定位精度,设计了基于联邦滤波结构的协同定位算法。采用松耦合组合方式的GPS/INS定位算法作为滤波结构中的子滤波器层。通过使用系统中各个节点自身坐标和探测其他个体的距离信息构建中心滤波层,所有个体的中心滤波结果输入联邦滤波层完成定位,以获得优化后的定位结果。仿真结果表明相比于单个个体的GPS/INS组合定位算法结果,本文提出的协同定位算法具有更好的定位精度。(2)为了提高协同定位算法的抗干扰能力,研究了基于OPTICS聚类算法的选举式故障检测算法以及应对生成式欺骗和转发式欺骗攻击的识别算法。仿真结果表明,相比单个个体的GPS/INS组合定位算法的抗干扰能力,本文提出的故障检测和攻击模式识别算法具有更好的效果。(3)为了进一步提高协同算法的稳定性,研究了基于Ad-hoc网络结构的协同定位算法。使用连通矩阵及Dijkstra算法解决Ad-hoc网络结构通讯过程中的最短跳转路径问题,提出了应对Ad-hoc网络结构自组织情况下矩阵维度变化的滤波算法改进。仿真表明,本文提出的基于Ad-hoc网络结构的协同定位算法能够在多个体通讯范围有限的情况下,提高系统中个体的定位精度,并且具备良好的抗干扰能力。