伴随着水声通信、能源、控制和导航技术的发展,自主式水下航行器(Autonomous Underwater Vehicle,AUV)广泛应用于海上预警、水下搜索、海洋资源勘探、海底地形地貌调查与水下环境监测等领域。高精度的导航系统是AUV实现自主导航的关键技术,已有的AUV导航技术包括惯性导航、声学导航以及地球物理导航等。近年来,随着声学定位技术的迅速发展,该技术有效弥补了惯性导航中误差会随着时间积累的缺陷,广泛应用于AUV导航系统中。由于海洋环境相对复杂,使得观测数据存在粗差和噪声统计特性未知,从而会导致滤波定位精度下降,抗差自适应滤波算法的研究成为解决上述问题的关键。此外,标准卡尔曼滤波为线性滤波,针对AUV的非线性运动状态问题研究非线性滤波算法也是至关重要的。针对上述问题,本文对以下几个方面进行了研究:1.水下AUV的运动状态不同影响了系统的非线性程度,针对动态系统非线性强弱的不同,分析了(extended kalman filter,EKF)、(unscented kalman filter,UKF)、(particle filter,PF)三种滤波算法的精度及其稳定性。结果显示,对于强非线性高斯系统,UKF算法要优于EKF、PF算法。2.针对AUV运动状态突变的问题,基于卡尔曼滤波算法的基本原理,利用变维卡尔曼滤波能够准确估计运动载体的状态,提高了水下动态导航定位的解算精度。3.针对AUV声学导航系统中观测粗差引起定位精度下降的问题,提出了一种改进的抗差UKF算法。该算法改变了粗差的探测条件,结合两段函数模型和测量噪声比例因子构造抗差因子函数,减小存在观测粗差的滤波增益,从而降低观测粗差对滤波结果的影响。结果表明,改进的抗差UKF算法能够更好的控制观测值中粗差对滤波结果的影响,通过构造抗差因子函数能有效提高滤波结果的精度和稳定性。4.针对AUV声学导航系统中系统噪声和量测噪声统计特性未知的情况下,研究了基于Sage-Husa的自适应无迹卡尔曼滤波算法。提出了一种自适应抗差UKF算法,该方法同时对系统噪声和量测噪声进行估计,并且保证了噪声矩阵的正定性,同时抵抗粗差对解算结果的影响。结果表明,自适应抗差UKF算法是处理常规无迹卡尔曼滤波因预先设定的噪声特性与实际情况不相同和观测值中出现粗差而使滤波误差增大这一情况的有效方法。