智能水下航行器(Autonomous Underwater Vehicles,AUV)做为人类探索海洋的新手段,不仅具有可靠安全、可重复利用等特点,还可以通过配置不同的设备实现功能的多样化。单一的AUV由于自身体积所限制,只能携带有限的探索设备,为此提出了多AUV的集群式作业模式。在多AUV协同编队中,导航系统做为重要组成部分是编队成功执行任务的关键。协同导航做为多AUV编队的一种新的导航方法,不仅具有较高的定位精度还可以明显降低成本。由于水下环境的特殊性,如何提升协同导航的鲁棒自适应性至关重要。本文提出了一种基于改进Huber估计下的协同导航鲁棒滤波算法,该算法能有效抑制量测噪声为近似高斯分布下且有异常点的情况,针对量测噪声协方差矩阵时变导致的协同导航定位精度下降的问题提出了采用交互式多模型算法进行处理。首先,介绍了多领航者情况下的协同导航基本原理和数学模型并建立该模型下的滤波算法;介绍了单领航者下的的利用相对距离和方位实现定位和利用移动向量定位两种协同导航方法,并给出了利用移动向量的协同导航滤波算法;考虑洋流影响后给出了系统模型和滤波算法。其次,研究了在量测噪声分布为近似高斯下的协同导航鲁棒性滤波算法。在最大似然估计的基础上介绍了一种Huber估计法,并将其应用于协同导航滤波算法中,实现了在量测噪声为近似高斯分布下的鲁棒滤波。再次,针对多AUV协同导航中量测异常的情况,介绍了两种异常点的鉴别方法并通过例子分析方法的优劣性,结合异常点的鉴别方法给出了改进的Huber估计。在改进的Huber估计基础上推导出了新的协同导航鲁棒滤波算法。讨论了在量测异常情况下该滤波算法的性能。最后,针对协同编队工作环境多变,量测噪声协方差矩阵具有时变性等特点,提出了基于交互式多模型下的协同导航滤波算法。分析了该算法在量测噪声时变下的性能。将鲁棒性滤波算法与交互式多模型算法相结合,给出了一种新的协同导航鲁棒自适应性滤波算法,分析了其定位效果的优劣。