自主水下航行器(Autonomous underwater vehicles,AUV)是人类开发海洋环境的重要工具,随着探索活动的深入,应用单体航行器执行任务已经不能满足实际要求。多水下航行器协同作业依靠其强大的优势而受到越来越多的重视。受限于复杂多变的水下环境,多水下航行器高精度导航问题是航行器协同作业系统亟待解决的首要问题。本文以此为研究背景,应用非线性滤波方法,充分考虑水下受限条件,深入研究了自主水下航行器协同导航技术。首先,本文分析了AUV协同导航算法面临的技术挑战,并根据高精度协同导航的受限条件提出了合理的协同导航方案,主要包括对多AUV协同导航系统建模、对系统模型的可观测性进行分析、确定AUV协同导航结构、通信方式等,为下文中的AUV协同导航技术研究打下基础。然后,本文研究了基于分布式非线性卡尔曼滤波的AUV协同导航方法。针对集中式处理方式无法实时在线处理、计算量庞大、容错能力差等缺点,提出了基于分布式结构的AUV导航方法。在通信理想条件下,针对AUV非线性系统,提出了基于扩展卡尔曼滤波和无迹卡尔曼滤波的协同导航方法,并对两种方法进行了仿真对比分析。接着,本文深入探索了基于分布式非线性信息滤波的AUV协同导航方法。考虑到在水下复杂环境下协同导航面临的严重的时延、通信带宽受限等问题,本文利用信息滤波方法在分布式结构中的诸多特有的优点,提出了基于分布式非线性信息滤波的AUV协同导航方法。首先详细推导了扩展信息滤波以及无迹信息滤波方法,然后以此为基础,给出了基于扩展信息滤波以及无迹信息滤波的AUV协同导航算法的关键步骤。该方法利用信息滤波结构简单、容易解耦的优势,将高精度AUV的关键历史信息保留在信息向量与信息矩阵中,在信息传递时将关键历史信息进行信息差量传递。该方法充分考虑了通信延时问题,最大限度上缓解了信道带宽限制问题,并且在低精度AUV滤波算法中跟踪主、从AUV的信息相关性,符合协同导航实际应用条件。之后,以基于分布式扩展信息滤波和无迹信息滤波的AUV协同导航方法为研究内容,进行了仿真对比分析,验证了提出的协同导航算法的优越性。最后,针对水下通信时异常噪声干扰情况,本文提出了基于鲁棒无迹信息滤波的AUV协同导航方法。以无迹信息滤波为研究基础,充分考虑在水下作业环境中,量测噪声异常对信息滤波状态估计方法的严重影响,本文应用M估计方法对异常噪声问题进行处理,给出了基于鲁棒无迹信息滤波的协同导航方法的关键步骤。通过设置合理的仿真条件,加入噪声异常值以及非高斯厚尾噪声,验证了提出的鲁棒信息滤波的可靠性。