多智能体理论的蓬勃发展,为利用AUV集群技术开展海洋探索提供了新的思路。AUV协同定位能力是实现AUV集群作业不可或缺的技术环节。AUV协同定位的技术难点,在于基于水声信号的AUV通信网络和充满限制的弱通信条件。在通信技术上,AUV通信依赖的水声信号易衰减、带宽窄、延迟长,信息传输效率较低,并且定位过程会受到静动态障碍物干扰、传输距离实时变化、未知噪声扰动以及洋流等未知干扰的影响,面临着信息丢包、通信延迟、噪声干扰以及AUV状态扰动等问题。在系统协作上,水下无线网络的能耗有限且硬件配置固定,系统的水下组网通信能力较弱,主从AUV之间信息计算能力又存在差异,需要优化通信结构并且合理分配主从AUV在定位任务中所承担的职能以减少能耗、提高协同效率。本文将上述AUV通信与协同工作的限制条件统称为弱通信条件。如何在弱通信条件下提高AUV协同定位精度,对AUV集群技术的发展具有重要意义。本文采用主从AUV的工作模式,研究AUV协同定位的滤波方法和融合方法,设计了针对AUV不确定性状态模型的分布式滤波算法和融合局部滤波信息的并行融合算法,旨在提高弱通信工作条件下AUV集群系统协同定位精度和稳定性。本文的研究内容如下:（1）总结了AUV集群系统协同定位的相关研究方法,分析了研究热点与发展趋势。针对AUV集群系统的弱通信工作条件,选择以消息扩散为通信方式的分布式滤波作为提高AUV定位精度的核心方法,并根据AUV协同定位的技术特征,总结了一些相关的分布式滤波算法及其解决的主要问题。针对弱通信条件带来的AUV建模不确定信息,优化传统的AUV状态模型和观测模型,引入链式结构的线性状态方程,为开展后续研究提供准备。（2）建立了主从工作模式下的AUV集群系统依靠通信连接构成的定位网络结构。以MDS-MAP定位算法为例,通过改变AUV有效通信半径的和主从AUV之间的相对定位误差,探讨了信息交互程度与局部定位误差对全局定位精度的影响。实验对比可以定性地得出结论,AUV之间信息交互的程度越高,局部定位精确度越高,系统获得的全局定位精度也就越高,这个结论为开展后续研究提供了技术依据,即基于融合理论改善局部定位滤波方法可以增强信息融合交互能力,从而提高局部定位精度。（3）研究了待测AUV不确定性状态模型下的分布式滤波定位方法。AUV工作的弱通信条件和未知坏境,常常导致AUV系统模型具有不确定信息,不确定性导致建模失效,从而使得依赖推算状态先验值的卡尔曼滤波相关算法失效。为了提高AUV定位状态估计器的鲁棒性,设计了一种基于矩信息的分布式鲁棒滤波方法。该方法利用矩模糊集描述AUV状态分布的模糊集,通过少量标量就可以量化对真实模糊集的拟合程度,从而将具有不确定建模的AUV定位状态估计问题转化为具有线性约束的半正定规划问题。实验证明了,相较于依靠准确AUV状态建模的滤波算法,该方法牺牲了已知准确状态信息的定位精确度,但摆脱了对AUV准确建模的依赖,有效提高了算法在遭遇系统不确定性扰动时的鲁棒性,相较于现有算法,本文中的算法更适用于解决恶劣通信条件下,从AUV状态受到未知扰动时,主从AUV系统的协同定位问题。（4）研究了主从AUV工作模式下局部定位信息并行融合滤波算法。为提高杂波干扰下AUV集群系统在协同定位过程中的全局定位精度,提高定位信息的实时性和弱通信条件下的抗风险能力,设计了一种以信息增益为评价标准的局部信息并行融合算法。首先通过局部信息滤波,优化观测值使其更接近真实值。从信息熵理论角度考察各量测信息的可靠性,对多个主AUV的多组局部滤波信息进行优化。以信息增益为融合权值指标,融合多组滤波结果生成被测从AUV的定位信息。进一步地,考虑到主从AUV之间的声纳探测以及水声信号的通信延时特性,局部信息滤波与信息增益融合算法会出现滤波数据异步问题,为此设计了一种局部信息滤波和信息增益加权的并行结构,通过实时更新机制确保信息加权算法的输入值为最新时刻的局部滤波输出值,以确保参与融合的局部结果的实时性。仿真实验结果表明,相较于多源局部滤波信息,该融合方法能够有效降低局部滤波误差,提高定位精度,有效增强了AUV集群系统的协同定位能力。