由于水下航行器具有良好的隐蔽性,较强的机动能力等特点,不仅在军事上受到各个国家的重视,而且在民用领域同样得到了广泛的应用。随着水下航行器对导航定位精度要求的不断提高,单一的导航系统难以满足实际的需求。因此,组合导航系统已逐步成为国内外研究的热点问题。本文对粒子滤波及其改进算法在水下航行器组合导航系统中的应用进行深入研究。论文研究的主要工作有:1、以贝叶斯估计理论为基础,分析了典型的非线性近似滤波方法。重点研究了粒子滤波算法,并针对其缺点进行优化处理,通过仿真验证新算法的合理性和正确性。具体方法为:(1)利用容积卡尔曼滤波算法得到状态估计的均值和方差,并基于均值和方差设计粒子滤波的重要性密度函数,有效的降低了粒子退化程度,提高了算法的估计精度。(2)利用边缘化技术,降低系统非线性状态变量的维数,在减少滤波算法计算量的同时提高了算法的估计精度。(3)将正则化方法引入到粒子滤波重采样过程中,有效的抑制了粒子样本枯竭问题。2、针对水下航行器在受到外界干扰时无法完成静基座对准的问题,结合多普勒计程仪提供的辅助信息,进行水下航行器的动基座初始对准方法研究。首先,在大方位失准角情况下,结合捷联惯导系统误差模型和欧拉平台误差角微分方程推导初始对准误差模型。其次,将抗差估计原理和自适应滤波理论引入到容积粒子滤波(CPF)算法中,提出了抗差自适应CPF算法,克服了观测粗差和系统噪声对状态估计的影响。最后,通过仿真分析验证了算法的稳定性,提高了滤波的估计精度。3、针对GPS导航设备在水下无法使用的问题,研究了基于浮标网络的长基线定位系统(LBL)辅助捷联惯性导航系统(SINS)的组合导航方法。首先,介绍了水下GPS系统的工作过程,并建立SINS/LBL组合导航系统的数学模型;其次,根据SINS/LBL组合导航系统模型的特点,利用边缘化技术,将状态变量中的线性部分和非线性部分分开表示,并对非线性部分采用自适应粒子滤波进行状态估计,进一步降低滤波算法所需要的样本数目。最后,通过仿真分析验证了边缘自适应粒子滤波算法在SINS/LBL组合导航系统中的有效性。4、对重力异常辅助惯性导航系统进行了研究。首先,研究了地球重力场模型以及重力位系数的数值解法,并利用局部重力数据对全球重力场模型位系数进行改进,得到适合局部地区的重力场模型。其次,针对惯导/重力异常组合导航系统中量测方程无法精确表达的特点,在粒子滤波重采样算法的过程中,引入马尔科夫链蒙特卡罗方法和正则化方法,增加了粒子的多样性。最后,通过仿真验证了马尔科夫链蒙特卡罗正则粒子滤波算法在惯导/重力异常组合导航系统中的有效性。5、对多个水下传感器组合导航系统及其信息融合技术进行了深入研究。首先,介绍各水下导航传感器的工作原理及其误差模型,进而建立组合导航系统的数学方程。其次,针对信息融合过程中出现的非线性环节,在传统联邦滤波器的基础上,提出混合联邦滤波器。其中,非线性子系统可以采用改进的高斯粒子滤波进行滤波估计。仿真分析结果表明,该混合联邦滤波器在多传感器的信息融合技术中具有更加广泛的应用前景。