近年来,由于集群机器人在不同应用场景中展现出的巨大潜力,其越来越受到人们的关注,特别是在大规模环境信息的感知,多任务的协作和高可靠任务的完成等场景。作为集群机器人的分支,AUV集群在水下应用场景中也表现出巨大的潜力,例如水下环境调查,自主水下洞穴探测,以及水下考古现场制图等。但在实际应用中仍存在着许多亟待解决的挑战,其中较为关键的就是AUV集群的导航与定位技术。如何实现精准的水下AUV集群导航与定位功能成为AUV集群技术发展的重要问题。在有限的传感器载荷和复杂的水下通信环境下实现可靠、精确AUV集群的导航定位是本文关注的重点问题。本文吸收AUV自身惯性导航系统与声学定位系统各自优势,采用惯性导航与声学定位协同的水下AUV集群协同导航定位算法,从而减少AUV自身惯性导航系统累计效应所产生的误差,实现水下AUV集群的精确导航定位能力。本文研究内容包括:AUV集群间基于USBL的声学定位,主要利用水声通信和USBL定位原理,在测量出AUV间相对位置的基础上,计算AUV在地理坐标系下的绝对位置;对于水下AUV惯性导航系统的误差累积问题,本文采用基于声学定位和AUV惯性导航的EKF（扩展卡尔曼滤波）的主从式协同导航定位算法,减轻仅使用AUV自身惯性导航的场景下误差累积的影响。针对主从式AUV协同导航定位方法和并行式AUV协同导航定位方法存在的问题,提出一种分布式的协同导航定位算法。本算法以考虑AUV能量为前提,选择误差最小的AUV为主AUV进行领航,用来减少AUV集群的导航定位误差;针对任务过程中领航主AUV失效问题,在主AUV选择算法基础上提出一种自适应的快恢复算法,以重新选择新的主AUV为集群提供协同导航定位服务,减少主AUV失效对AUV集群导航定位的影响。最后,通过仿真实验验证上述方案。论文的主要创新点包括:为提高AUV集群定位精度,提出一种基于USBL的定位方法。针对AUV自身惯性导航的误差累积效应,提出一种基于EKF的协同导航定位算法,融合声学定位和惯性导航的数据信息,以减轻定位误差对导航的影响。针对传统的AUV集群间协同导航方法,提出一种基于分布式的协同导航定位改进算法。针对任务过程中领航主AUV失效问题,提出一种基于自适应的恢复算法。