自主式潜航器(AUVs, Autonomous Underwater Vehicles)技术自产生以来,在军事国防以及海洋资源开发发挥重要作用。而AUV水下活动时间主要受携带能源的限制,当完成某一任务后,就要回收进行能源补给,在诸多回收方法中,运动母船水下回收AUV技术能够有效的提高AUV水下作业时间、工作效率和降低回收风险,而这项技术的研究重点之一是回收过程中多传感器数据融合技术,也是本文的主要研究内容。运动母船水下回收AUV不仅需要知道运动母船与AUV的准确相对位置还要知道AUV的本身准确绝对位置,通过多传感器融合技术可以解决上述难题。在本文中设计了运动母船回收AUV过程中自动寻的阶段和精确对接阶段的数据融合定位系统,自动寻的阶段的数据融合定位系统主要得到AUV本身准确的绝对位置,精确对接阶段的数据融合定位系统主要得到运动母船与AUV准确的相对位置。在多传感器数据融合前由于干扰噪声致使传感器的有些数据不准确,要对异常数据做预处理,本文提出的自适应滤波方法优于传统的滤波方法,满足系统的实时性要求,并进行水池试验验证,取得良好的滤波效果,并且在滤波之后数据进行时空配准,统一到同一时基和坐标下便于数据融合。针对运动母船回收AUV过程,研究了适用运动母船回收AUV的数据融合算法,并重点对加权平均、扩展卡尔曼滤波以及非线性无味卡尔曼滤波的原理和算法进行研究；同时,针对回收过程中自动寻的阶段,建立了AUV导航定位非线性系统的状态方程及观测方程。根据运动母船回收AUV系统的特点和数据融合技术的研究,设计出了水下回收自动寻的阶段扩展卡尔曼滤波、无味卡尔曼滤波融合方法和精确对接回收阶段的加权平均数据融合算法,并对本文提出的融合算法进行了湖试试验和水池试验验证,结果表明：自动寻的阶段无味卡尔曼滤波融合方法定位精度高于扩展卡尔曼滤波融合方法,适用于回收过程中自动寻的阶段AUV绝对位置定位,在回收过程中精确对接阶段AUV与运动母船相对位置定位通过短基线定位和视觉定位加权平均融合方法好于单一传感器数据,并且把本文研究的数据融合方法用于运动母船回收AUV过程中进行回收系统水池试验,取得较好的回收效果。