随着世界经济的不断发展,世界市场对石油、天然气和天然气水合物等能源的需求量越来越大。由于这些天然能源大量储存于海洋环境中,海洋环境的影响是制约因此海上油气田生产规模,开采深度和经济收入的主要因素,建立一种基于深海空间站的海上油气田是解决问题的一个好方法。同时,为了维持深海空间站各个系统的正常工作,通常由UUV来进行物资能源的补给和输送,而UUV准确地定位移动中空间站的位置并成功与其对接十分重要。因此有必要对UUV与深海移动平台对接的误差情况进行详细分析。首先,研究USBL定位系统的基本组成和工作原理,并对其定位误差产生的原因进行深入分析,对系统中的坐标转换公式和误差误差公式进行详细推导。并且针对本文移动平台对接的特殊性,提出一种灰色神经网络预测算法对移动平台运动轨迹进行预测。其次,分析经典卡尔曼滤波算法,并结合水下对接环境中的噪声工况说明经典卡尔曼滤波的局限性;由此引出sage-husa自适应卡尔曼滤波算法,设计一种时变噪声统计估值器,以实时估计和修正系统噪声和观测噪声的统计特性。并在进行详细公式推导分析的基础上对sage-husa自适应滤波算法进行优化,并给出一种预报残差的方法求取遗忘因子。最后,把卡尔曼滤波和改进的Sage-Husa自适应卡尔曼滤波分别对仿真试验和外场试验的数据进行处理和分析,目的是通过分析结果确定,相比于卡尔曼滤波,改进的Sage-Husa自适应卡尔曼滤波具有更高的精度和收敛速度,能够有效减小水下对接时的误差。