随着现代海洋科学技术的进步和发展,无人船（USVs）被广泛地应用在了海洋环境的目标信息搜索、水文环境勘探、港口巡逻等各种军事以及民用领域。无人船在处理任务时能够迅速给与反馈,并具备高效的自主规划路径等能力,保证其能在水上安全、自主的航行。然而海上的通信与陆地通信又不相同,面临着海上恶劣天气和不可控因素的影响,不可避免地增加了无人船执行任务的难度,导致无人船对目标位置和速度信息的融合存在误差,以及无人船集群路径规划难以达到最优等问题。本文针对模型参数不确定、海洋环境扰动未知的无人船集群模型,研究了面向无人船的S3C（智能传感、通信、计算和控制）融合网络方法,以合理且高效的方案来优化目标信息提取融合、目标追踪等问题,以交叉学科融合网络的研究使海上船舶定位、无人船编队控制等海上任务处理的更加系统、高效。首先,本文研究了面向无人船的S3C融合网络系统模型,针对该模型构建了云边端通信网络模块、基于类脑感知的智能传感模块和面向无人船的计算、控制模块,并定义了每艘无人船的动态模型、坐标转换、安全通信距离以及成本代价函数等。其次,为解决无人船集群的目标探测定位问题,本文受大脑对前庭信息和视觉信息整合处理来解决环境感知和目标定位的启发,提出将类脑感知技术应用在无人船的信息集成上,通过贝叶斯理论和似然函数方法来决策信息的集成或分离,并在Matlab平台搭建仿真模型,完成仿真实验。最后,针对海洋环境扰动下的多无人船集群,本文研究了基于分布式协同优化方法的无人船集群控制问题。本文设计了扩张状态观测器（ESO）来观测系统的不确定性,通过分布式协同优化方法来计算邻居无人船的时变相对位置、速度和参考轨迹,基于反步法设计了控制器来优化无人船的中心跟踪轨迹,并通过级联稳定性证明闭环系统是输入状态稳定的。仿真结果验证了基于分布式协同优化方法的无人船集群计算资源和控制器设计研究的有效性,也证明了本文提出的面向无人船的S3C融合网络研究的有效性。