由于开发和利用海洋资源对人类社会的发展至关重要,从而海底隧道施工建设、海底石油天然气的开采和连接各陆地间海底电缆铺设等项目也越来越多。人们对资源开发所使用的作业船舶配置设备的技术要求也不断提高,这样对在船舶上的动力定位技术的先进性提出了更高的要求。在测控理论和动力定位技术的结合与发展中,船舶动力定位系统开始采用环境测量、船舶位置及姿态等多种传感器的测量系统。采用多传感器信息融合技术,综合处理多源信息能够提高测量系统的可靠性和准确度。本文重点研究异步多传感器融合方法,首先是采用基于协方差匹配的容积卡尔曼滤波(CMASRCKF)对信号进行滤波处理,然后利用IMM融合方法来解决不同时间信号采样的多传感器融合问题,提出了基于协方差匹配的容积卡尔曼滤波交互式多模型(IMM-CMASRCKF)算法。本文从动力定位船舶的运动状况开始研究,需要建立有关船舶运动的数学模型,包括船舶低频运动模型、高频运动模型以及DGPS、水声、张紧索相关的测量模型和船舶姿态传感器测量模型。由于会受到外界环境干扰力作用,还要建立风、浪、流的环境干扰模型。其次,介绍有关多传感器管理结构和相关内容。传感器管理方式的不同会对信息融合精度和可靠性产生影响,并对传感器测量数据进行预前处理,其中包括时间配准、空间配准、传感器测量质量检测方法。在动力定位船舶的非线性滤波研究中,针对容积卡尔曼滤波和平方根容积卡尔曼滤波对噪声统计不确定性而导致滤波的发散性,引入协方差匹配技术,使用革新值和残差序列连续值建立噪声统计估计器,在线估计和调节协方差过程以及测量噪声的协方差矩阵。本文提出了协方差拟合的平方根容积卡尔曼滤波(CMASRCKF)算法,该算法能够在线估计和调节系统噪声统计数据,增强SRCKF的自适应能力,并进行仿真验证。最后,本文运用交互式多模型(IMM)融合算法来解决异步多传感器融合问题,利用传统的异步传感器融合结构,基于IMM融合算法的基本原理,通过结合CMASRCKF得出基于协方差匹配的容积卡尔曼交互式多模型融合算法(IMM-CMASRCKF),并将其与IMM-SRCKF进行仿真比较,验证了IMM-CMASRCKF融合算法的有效性。