随着海洋任务危险性提高和复杂性增强,单个无人水面艇已经难以完成这些任务。因此,很多学者开始研究多个无人水面艇协同执行任务的协同定位方式。协同工作期间多个无人水面艇之间需要通信交换信息,以减小各自的定位误差,提高协同定位系统的精度。由于本文中协同系统的应用背景是具有强干扰的作战环境,因此,无人水面艇之间的通信方式选取了抗干扰性良好的水声通信。然而,声信号在水中传送时需要一定的时间,且作战环境中有很多不确定性,不能看成是立即到达,这就导致进行数据融合时会有一些信息是存在时间延迟的,因此,通过设计有效的数据融合算法减小通信时延对系统性能的影响很有必要。首先,考虑多无人水面艇协同系统的特征,分析传感器的特性和误差来源,选取合适的传感器和通信方式建立系统的运动方程和量测方程。接下来,分析不同协同定位方式的可观测性,接着基于扩展卡尔曼滤波分析不同协同方式的协方差上界,对比分析其性能并确定本文两主一从的协同定位方式,再通过仿真进行验证系统性能。文中首先采用延迟扩展卡尔曼滤波算法解决通信延迟对系统精度的影响,它的基本原理是是将时间延迟引入状态方程和量测方程中,对系统方程进行重构,再进行状态逆推。这个方法在通信信息丢失的情况下将失效,且计算量大,需要的存储空间大。针对此问题,本文提出了一种绝对位置航迹推算算法,该算法是通过建模实现对绝对位置信息的航迹推算,与从无人水面艇自身传感器测量的数据相融合,使得通信延迟和丢包存在的情况下,也能够实时更新系统信息。最后,模拟不同的协同定位方式,搭建车载协同定位系统,分析不同协同方式情况下,系统性能的差别。接着模拟通信受限的环境进行车载协同试验,验证两种数据融合算法的有效性并加以分析。试验结果证明协同定位系统中有绝对位置信息时,定位误差可收敛到一个较小值,同时验证了两种数据融合算法的有效性,能够减小通信受限对系统定位精度的影响,提高了协同定位系统的性能。