海洋已经成为既陆地之后人类生存、发展的第二大战略空间。智能水下机器人(AUV)作为当前人类探索和开发的主要设备之一,日益受到重视。随着经济的发展与科学研究的需要,AUV技术在近20年取得了迅速发展。高精度的水下导航技术是AUV有待解决的技术重点之一,水下导航系统为AUV提供实时位置信息和姿态信息,是其完成水下任务和安全返回的基本保障。AUV组合导航系统具有多尺度特征,在不同的尺度上提取有效信息后再加以融合,可以降低由于不确定因素带来的影响,从而提高滤波器的滤波性能。本文从高精度的航位推算导航系统(DR)和北斗卫星导航系统(BDS)组合导航系统的实际需求出发,针对AUV组合导航系统具有系统多尺度特征和量测多尺度特征的特点,提出了一种基于小波变换的多尺度卡尔曼滤波算法,将其应用于AUV组合导航中,有效地减小系统误差,提高组合导航系统的导航精度。论文的主要工作有:1、设计和构建AUVDR/BDS组合导航系统框架,分析主要导航传感器工作方式及工作原理,并详细介绍航位推算导航系统原理及系统误差来源;2、对智能水下机器人DR/BDS组合导航系统多尺度特性进行深入研究,提出一种基于小波变换的多尺度卡尔曼滤波方法,降低单一尺度上不确定因素的影响,从而提高滤波效率;3、根据实际试验结果,采用本文提出的基于小波变换的多尺度卡尔曼滤波方法和经典的卡尔曼滤波方式,对影响系统导航精度的多普勒测速仪(DVL)和电子罗经的数据进行滤波估计,将两者的滤波效果进行对比,试验结果表明本文提出的算法的具有更小的导航误差,更高的导航精度。