由于水下AUV的应用领域越来越广泛，而水下定位系统是保证水下AUV正常工作的关键之一，因此水下AUV定位系统的设计及定位算法的研究尤为重要。　　本文主要完成了水下AUV定位系统总体硬件部分的设计及相关算法的研究，其中相关算法包括时延估计算法以及目标定位算法，具体如下:　　(1)在常用的短基线阵的基础上提出了改进的短基线阵，设计了一种以三个水听器、一个换能器、一个水压计为主要组成部分的水下定位系统硬件结构，并在实际中完成了系统搭建。这种系统设计除可以获得精确定位之外，还有操作简便容易、系统安装简单的优点。　　(2)分析了噪声、采样率、多径效应对时延估计结果的影响，通过具体的推导总结出提升时延估计精度的方法，并提出了一种新的时延估计及峰值检测算法。将该算法与对水下声速及声线进行修正的方法结合，即可准确地得到测距信息。实验结果验证了该方法的有效性与可行性。　　(3)分别研究并比较了人工智能算法和卡尔曼滤波算法对水下目标进行定位解算的性能。其中人工智能算法包括遗传算法(GA)、自适应遗传算法(AGA)以及人工蜂群算法(ABC)三种算法，卡尔曼滤波算法包括扩展卡尔曼(EKF)及无迹卡尔曼滤波算法(UKF)。本文对五种算法的基本理论及运行流程进行了阐述，并从理论上分析了其各自的优缺点及算法误差原因。经过实验验证，人工蜂群算法的定位精度为几种算法中最高，但无法满足实时性;卡尔曼滤波算法定位精度虽不优于人工蜂群算法但能有效的对水下目标进行实时跟踪定位。故为进一步提高定位精度并保证定位的实时性，本文提出了一种卡尔曼滤波与人工智能算法相结合的混合算法，将两种卡尔曼滤波算法与自适应遗传算法和人工蜂群算法分别结合进行定位解算，实验结果表明，混合算法的定位解算精度高、性能良好，适合用于对目标进行跟踪定位。　　(4)通过Matlab仿真实验分析了深度测量误差、水声距离测量误差、短基线阵元布局结构对定位结果的影响，并提出了最佳的短基线阵布局结构。