近年来，资源短缺问题的日益加剧已经成为人们关注的热点问题，而海洋由于蕴藏着丰富的资源而成为人类开发的重点。自主水下航行器（Autonomous UnderwaterVehicle，AUV）由于具有智能化、自主性强的特点而成为水下作业的重要辅助设备，在海洋技术领域得到了广泛的军事、民用应用。面向长航时水下隐蔽作业需求的自主导航及其误差修正能力是保证AUV完成水下长时间作业任务的关键技术之一。由于传统的惯性导航累积误差随着AUV航行时间的增加而增长，需要定期上浮水面借助其它手段（如GPS位置校正）完成导航误差修正，不利于AUV的长航时作业，影响了任务的完成效果。而同步定位与构图（Simultaneous localization and mapping，SLAM）方法无需先验环境信息而仅依靠AUV自身传感器感知环境，并实现自主导航与增量式环境地图构建，保证了AUV长时间水下作业条件下的导航精度，有效地弥补了惯性导航的不足。SLAM技术的关键是基于环境特征提取的导航定位方法，因此，本课题采用扩展卡尔曼滤波（Extend Kalman Filter，EKF）方法研究SLAM的关键技术，对于AUV长航时下导航定位具有重要的研究意义。本文主要从以下方面开展了研究：首先，针对AUV导航定位系统构建了系统模型，主要包括：机械扫描成像声纳的探测模型和环境线中特征的测量模型；多普勒、罗盘、压力传感器等位置姿态传感器的测量模型；建立了环境中的静态特征模型；给出了AUV四自由度运动模型，建立了问题研究所需的坐标系，并给出了不同坐标系间的转换关系；其次，通过对机械扫描成像声纳的数据格式分析，完成了数据预处理；基于传统的霍夫变换原理，设计了一种改进的霍夫变换算法，以“多对一”的映射原则对算法进行了改进，通过海试数据完成了对改进霍夫变换算法的环境线特征提取试验验证，结果表明该改进算法可以有效地提取结构化港口环境的线特征；再次，研究了基于EKF的AUV导航定位方法，给出了航位推算的基本原理及其在导航中存在的不足，通过对卡尔曼滤波及EKF工作原理分析，设计了基于EKF的AUV导航定位算法，并给出了算法操作步骤；最后，利用海试数据集完成AUV的EKF导航定位算法的试验验证，并将结果与航位推算的导航定位结果做了对比，给出了两种方法的误差分析，试验结果表明：基于EKF的导航定位算法能够获得更高的定位精度，可以满足AUV长时间水下作业的导航需求。