超短基线定位系统作为水下目标定位、导航等高精度水下作业的技术支撑,在海洋科学、国防工业等领域中发挥着日益重要的作用。为使水下目标可以得到足够的采样点数,需减小信号的发射周期以得到高数据刷新率,但当目标距离大于最大非模糊距离时,就会产生距离模糊问题,有效解决该问题是实现水下目标定位的重要技术之一。同时,由于水下环境的复杂性,时延差与斜距信息时常会受到野值的干扰,从而增大系统的定位误差。时延差和斜距信息的有效性也是高刷新率超短基线定位系统的重要研究内容,因此,在定位解算之前,需要采取有效手段对野值进行检测和修正。针对超短基线系统中的时延差与斜距数据出现野值的问题,本文研究一种基于自适应卡尔曼滤波的野值检测与修正算法。该算法将基于新息的野值检测方法与自适应模型相结合,采用衰减记忆滤波方法进行自适应噪声估计,增加野值检测地可靠性,同时,采用强跟踪滤波算法增加系统的鲁棒性。在野值修正上,针对正向卡尔曼滤波对斑点型野值修正精度不高的问题,采用正反向相结合的滤波法进行处理,最后采用RTS固定区间平滑算法提高野值修正精度。结果表明,与CV模型卡尔曼滤波相比,自适应抗野值算法能够有效地检测与修正野值。针对高刷新率超短基线定位系统存在的距离模糊问题,本文研究一种适用于超短基线的抗距离模糊方法:根据方向观测量与距离模糊无关这一特点,再由深度测量仪增加一个深度观测量,将方向观测量和深度观测量计算得到的斜距作为斜距粗值,将各个时刻的斜距粗值作为“初值装订法”的参考距离,解决了“初值装订法”先验初值难以获得的问题。最后,针对上述抗距离模糊方法在大基阵开角下不再适用的情况本文结合自适应卡尔曼滤波算法,通过仿真验证了该算法在野值检测与修正的同时,可以解决大基阵开角下的超短基线距离模糊问题。通过试验数据对本文所研究的算法进行验证,海试数据处理结果表明,基于卡尔曼滤波的自适应抗野值算法可以有效检测出野值,降低数据中的野点率;湖试数据处理结果表明,本文研究的抗距离模糊方法可以解决大基阵开角下的超短基线距离模糊问题,与斜距粗值计算得到的定位结果相比,该方法减小了超短基线的定位误差。