导航技术是自主水下机器人（Autonomous Underwater Vehicle,AUV）作业的必备功能之一。现有惯性导航系统在深海环境下存在系统累积误差大、精度低等问题。为提高导航精度,本文针对一种多关节AUV设计了基于捷联惯性导航系统（Strapdown Inertial Navigation System,SINS）、全球定位系统（Global Positioning System,GPS）及多普勒测速仪（Doppler Velocity Log,DVL）三种传感器的组合导航系统,采用扩展卡尔曼滤波（Extended Kalman Filter,EKF）和容积卡尔曼滤波（Cubature Kalman Filter,CKF）方法对组合导航的误差模型进行滤波处理。通过GPS测量的实时位置修正SINS解算出的位置信息,并利用DVL测量的实时速度修正SINS解算出的速度信息。本文的主要工作如下:首先,建立了多关节AUV的运动模型,提出了改进的AUV导航参数初始对准方法。根据多关节AUV的运动状态分析,建立了多关节AUV的运动模型。针对GPS无法在水下测量的问题,采用水面校正和水下潜航的导航模式。水面校正模式下采用GPS测量多关节AUV的实时位置,为水下潜航模式的导航参数解算提供数据来源。为减小系统初始误差,对组合导航系统的初始对准过程进行仿真分析。结果表明,改进初始对准后,可补偿系统受外界干扰所产生的误差,提高了多关节AUV系统的导航精度。其次,分析了SINS/GPS/DVL组合导航系统的误差。根据SINS/GPS/DVL组合导航系统中各子系统的组合方式,分析了系统的误差来源,并建立了不同导航模式下的系统误差模型。最后,分别采用EKF和CKF处理SINS/GPS/DVL组合导航系统的误差模型,并进行对比分析。在不同导航模式下,分别采用EKF和CKF处理组合导航系统误差模型,并进行仿真验证。结果表明,组合导航系统的误差累积在EKF和CKF两种滤波下均得到了抑制。相比EKF,CKF在滤波效果、误差累积及实时性等方面性能更好。