自主水下航行器(Autonomous Underwater Vehicle, AUV)是目前海洋工程领域研究的热点,在军用和民用两方面都发挥着极其重要的作用。导航技术是实现AUV自主航行的关键,而AUV所具有的工作时间长、环境复杂、信息源少、隐蔽性要求高等特点,给稳定、精确的导航实现带来很大的挑战。Bayes滤波是一种可融合多种传感器观察数据的组合导航算法。由于利用概率表示海底声纳图像特征,因此对于缺少点、线等图像特征的非结构化海底地形以及较低质量的海底成像数据,该方法具有较好的宽容性,同时也具有广泛的适用性。本文基于AUV载声纳系统,研究以Bayes滤波为核心的同时定位和水底特征检测组合导航技术,侧重于把水底特征检测作为导航的关键信息。该方法的观察数据主要来源于四种途径,即通过GPS获取AUV下潜之前水面初始位置信息,通过声纳成像技术获取相邻脉冲间隔之间的水底地貌特征信息,通过多普勒计程仪获取AUV的速度信息,通过电子罗盘/智能罗经获取AUV的姿态信息,利用Bayes滤波对上述四类观察数据的融合达到高精度组合导航的目的。同时,考虑到观察数据可能存在非高斯特性,本文对基于粒子滤波(Particle Filter, PF)的AUV导航技术进行了研究。此外,还对多AUV协同导航技术进行了初步的研究。论文对上述方法开展了充分的理论推导、仿真分析,并通过实验室研制的AUV载声纳系统对相关算法开展了湖上试验验证,证明了算法的有效性。