海洋中蕴藏着丰富的资源,是人类需要探索和开发的重要领域。水下航行器是辅助人们探索海洋环境的重要工具,而航行器的导航系统是保证它顺利进行水下作业的前提,因此对水下导航算法的研究是十分有必要的。随着水下作业任务越来越复杂,传统的水下组合导航方式已经无法满足要求,需要水下多种导航方式间动态配合来保证导航结果的可靠性,因此水下多种导航方式的灵活配置和导航信息的快速融合是当前亟待解决的问题。在此背景下,本文利用因子图这一概率图模型,研究了基于因子图的水下全源导航算法。首先,本文对水下不同的导航方式进行了介绍,对“全源导航”方式的概念和特点进行了说明,介绍了因子图模型的基础知识,将导航问题中的状态估计问题迁移到因子图模型中来解决。通过推导将因子图上的推理问题转化成了最小二乘问题,为下文设计水下全源导航算法奠定了基础。然后,本文设计了基于因子图的水下全源导航算法,其中包括对水下不同导航方式的因子进行建模,构建了水下全源导航系统的因子图框架。然后针对IMU输出频率过高导致的因子数量增加过快的问题,采用IMU预积分的方法来解决。为了快速融合多种导航方式的信息,保证优化的实时性,利用因子图的稀疏性进行增量式更新,并对所设计算法的可行性进行了仿真验证。接着,本文将所设计的基于因子图的水下全源导航算法与传统的信息融合算法进行比较,包括经典的卡尔曼滤波算法和联邦卡尔曼滤波算法,通过仿真实验来突出所设计的算法在对多种导航方式进行信息融合时的优势。之后,利用水下导航因子图框架的灵活性和易扩展性,实现不同频率导航传感器的即插即用,并通过仿真实验进行了验证。最后,本文研究了导航传感器出现异常观测时的水下全源导航算法,利用惯性导航在短时间内导航结果可靠的特性和IMU预积分的结果,提出了一种鲁棒的水下全源导航算法,推导说明了如何利用IMU预积分的结果来识别和处理传感器异常量测,并通过仿真实验验证了所提出算法的有效性。