水下导航技术是智能水下机器人研究的核心课题。高精度水下导航系统是AUV的关键技术。本文首先对导航系统信息融合的数据融合模型、坐标系空间配准、目标运动模型选择与导航滤波算法等方面做了详细介绍;在小波变换理论与多尺度系统理论的基础上,研究了一类多尺度卡尔曼滤波算法的滤波性能,并针对该算法进行仿真实验分析,提出了改进思路;针对导航系统的非线性滤波问题,提出了基于集合卡尔曼思想的多尺度集合卡尔曼滤波算法以及基于切法向速度模型的多尺度无迹卡尔曼滤波算法。本论文具体研究内容包括以下四个方面:描述了目前制约水下组合导航技术发展的关键问题以及多尺度分析方法解决动态系统估计的特色;在小波变换与信号多尺度表示基础上,探讨构建多尺度系统中的尺度变量选择方法、内部模型和外部模型的实现方法,研究AUV水下组合导航系统的MKF滤波估计算法,通过分析粗细尺度间转换算法与噪声的内在关系,探讨了MKF滤波算法的滤波性能,并提出改进方案;从导航系统的多尺度特性出发,分析水下导航系统数据融合领域的非线性滤波估计方法和信息融合策略,主提出了基于集合卡尔曼思想的多尺度集合卡尔曼滤波算法以及基于切法向速度模型的多尺度无迹卡尔曼滤波算法,并通过仿真计算加以验证;针对多级式导航系统信息融合结构,提出了一种基于多尺度理论的辅助导航信息融合方法,通过仿真验证对该算法有效性进行分析。