近年来,水下自主航行器（AUV）被广泛应用于各种复杂的水下任务,包括海底地形绘制、海洋矿产资源调查以及海洋环境监测等等。AUV的准确定位对于确保其自身安全以及采集数据的准确性至关重要。由于全球定位系统信号在深海中无法使用,所以AUV导航定位成为了一个相对于地面机器人定位来说,更具有挑战性的问题。相对于传统水声定位系统来说,基于单信标测距的声学定位只需要布放一个信标,为AUV定位系统节省了显著的时间和成本,是目前AUV定位的一个研究热点。本文将针对基于单信标测距的AUV组合定位存在的问题进行深入研究,并提出解决方案:提出了一种基于扩展卡尔曼滤波和非线性优化融合的单信标辅助惯性定位算法。针对目前常用的两种单信标-惯性组合定位算法存在的问题:经典的扩展卡尔曼滤波（EKF）法仅用一次距离量测信息,虚拟长基线（VLBL）法忽略惯性导航引入的量测误差,提出本方案。本方案既结合了 EKF法简单实时性好的优点,又同时利用非线性优化处理多个距离量测,并且通过引入预积分惯性量测单元（IMU）量测模型,考虑了由IMU测量声学距离量测间的相对运动所引入的不确定性。非线性优化提供了单信标的最优相对位置,用于EKF全局状态更新。仿真结果表明,本方案的定位精度相比传统的两种定位方案有一定提升,同时满足可靠性和实时性的要求。提出了一种基于单信标测距和视觉测距融合的定位算法。在VLBL法中,测量相对运动的传感器主要是昂贵的多普勒测速仪（DVL）或者IMU,在例如靠近海床的一些场景下,相机也可以作为一种运动传感器。本方案利用了声学和视觉信息更新频率不同的特性,将视觉测距（VO）作为相邻声学距离数据之间的桥梁,将VO的参考点自动移至每个新的声学位置,VO利用全局优化求解出最优的相对位移,用于VLBL的求解。通过真实水下图像数据以及仿真的声学距离量测数据进行的仿真实验,验证了提出的声光结合定位算法的可行性。