随着我国海洋强国战略的推进,自主水下航行器(Autonomous Underwater Vehicle,AUV)在资源勘探、水下侦查等领域得到了广泛应用。面对日趋复杂的任务需求,利用多AUV编队协同作业完成任务是目前的必然趋势,而精确导航定位是多AUV编队能高效可靠完成任务的前提条件,因此多AUV协同导航技术的研究具有非常重要的意义,近年来逐渐成为了AUV导航领域的研究热点。多AUV协同导航是利用高精度主AUV的导航信息提高低精度从AUV导航定位精度的一种导航方式,从AUV通过接收到来自高精度主AUV的位置及测距等观测信息,再与自身航位推算(Dead Reckoning,DR)信息进行信息融合,就能周期性的抑制自定位误差积累,保持定位误差有界。但在实际复杂环境中,水声信道是一个高噪声、强干扰的信道,观测信息在主从AUV间的传输过程中可能会受到异常噪声的干扰,导致观测值出现野值或其噪声呈现非高斯分布,进而导致协同导航定位精度下降。此外,由于复杂水文工况的影响,在信息融合的过程中往往不能确定的观测噪声统计特性的大小,或者在初始时刻设定了准确的观测方差但随信息融合的进行其噪声统计特性发生时变,导致协同导航滤波器不能正确利用观测信息,同样影响协同定位精度。因此,本文研究复杂水声环境下的协同导航定位性能优化技术,以提高多AUV协同导航的定位精度与稳定性。针对观测值受异常干扰出现观测野值或其噪声分布偏离高斯假设的问题,本文提出一种基于Huber鲁棒滤波的协同导航算法,利用Huber方法将平方根容积卡尔曼滤波(Cubature Kalman Filter,CKF)的观测更新过程转化为非线性统计回归的形式,在观测值受异常噪声干扰时构造截断观测值,对污染的观测值进行修正,有效抑制了异常观测噪声下的协同定位误差,提高了协同导航的定位精度与稳定性。针对观测噪声统计特性未知或时变的问题,本文提出了一种基于Myers-Tapley的协同导航鲁棒自适应滤波,将Myers-Tapley引入到基于平方根容积卡尔曼滤波的协同导航算法中,对观测噪声统计特性进行在线估计,同时为提高噪声自适应估计的鲁棒性,引入协方差匹配滤波发散判据,并在判断出滤波器状态异常时利用Huber方法修正观测值,实现了对观测噪声统计特性的鲁棒自适应估计,进一步提高了协同导航的精度与稳定性。本文从多AUV协同导航系统实际应用场景出发,针对水下复杂环境造成的协同导航定位性能下降问题给出了相应的优化解决方案,此外还对理想情况下多AUV协同导航定位性能进行了完备的分析,为行业内从业人员的后续研究提供一些有益的参考。