随着海洋开发与探测的不断深入,单一自主水下航行器(Autonomous underwater vehicle,AUV)在执行复杂任务时显得力不从心。在综合考虑作业成本与作业质量等因素后,AUV协同作业受到广泛认可。多AUV协同定位技术是高质量完成协同任务的基础和保证,而水下环境复杂多变,各种异常情况的出现往往是不可预测的,这不可避免地会对系统定位精度以及任务的执行产生消极影响。本文主要围绕如何削弱量测异常环境对定位精度的影响问题展开相关的研究。论文的主要工作包括:1、本文首先对AUV的研究与应用背景、国内外对协同定位过程中亟待解决关键问题的研究现状进行介绍。接着对传感器相关理论知识包括传感器误差特性等进行介绍,并在给出扩展卡尔曼滤波(Extend Kalman Filter,EKF)、容积卡尔曼滤波(Cubature Kalman Filter,CKF)理论的基础上探讨单领航模式与多领航模式的定位效果,并对理论分析进行了仿真验证。2、研究了量测噪声野值影响下的协同定位改进算法。针对定位过程中的量测噪声时常出现野值问题,将最大互相关熵(Maximum Correntropy,MC)理论引入滤波过程,分别推导构建了最大互相关熵EKF融合算法(MCEKF)以及最大互相关熵CKF融合算法(MCCKF)模型。由于融合算法中引入参数高斯核宽度,因此进一步探究了高斯核宽度对融合算法滤波结果的影响。3、研究了量测丢失/延时情形下的协同定位改进算法。针对定位过程中量测信息丢失问题,采用EKF改进算法以及滚动时域估计(Moving Horizon Estimation,MHE)方法进行简单验证,通过跳过量测丢失时刻的滤波过程或利用滚动窗口中多量测信息减小估计误差。在滚动窗口的启发下,针对量测信息延迟问题,提出一种EKF/DDF2的平滑延迟滤波算法(MDEKF/MDDF2),在保证定位精度的同时提高系统稳定性,削弱量测异常环境对定位过程的影响,且平滑过程中充分利用量测信息,满足了事后测量对高精度的要求。4、研究了一种新的编队拓扑结构优化设计方法。综合考虑多领航多随从AUV情形、声学测距误差与距离相关性等因素,基于克拉美罗下界(Cramér-Rao lower bound,CRLB)与Fisher信息矩阵(Fisher information matrix,FIM)理论,构建系统观测性能评价函数。针对位置信息的不确定性情形,采用蒙特卡洛方法,依据相应概率密度分布完成评价函数重构,对可能分布区域内的编队构型进行优化设计。最后针对多领航AUV多随从AUV情况下约束方程求解问题,提出一种基于退火思想的步进递推策略。仿真验证了方法的可行性与有效性。