1.一种基于信息增益的水下无人机器人的并行融合定位方法，其特征在于，包括以下步骤：

(1)系统建模，搭建AUV运动模型和协同定位系统状态空间模型，综合考虑平台的动力学特性、确定输入参变量，加入高斯噪声，建立运动方程；

(2)局部信息滤波，利用无迹变换，对函数的概率密度作近似，求出目标事件的期望和方差，将非线性问题转变成卡尔曼滤波问题，输出局部后验值；

(3)信息增益加权融合，以各组局部滤波信息增益为权重指标，对所有局部后验估计进行加权融合，使全局后验估计结果以加权的形式输出；

(4)并行结构更新，局部信息滤波由主AUV各自独立完成，与系统整体的信息增益加权方法并行运行，参与融合的多源局部滤波信息为当前最新更新结果，从AUV将各组滤波结果融合输出。

2.根据权利要求1所述的一种基于信息增益的水下无人机器人的并行融合定位方法，其特征在于，所述步骤(1)中AUV的平台状态由平台的位置、速度、姿态等元素组成，综合考虑平台的动力学特性、确定输入参变量，加入高斯噪声，建立运动方程，由全体平台的状态、输入和噪声可以得到整个协同定位系统的状态方程，当把单平台和平台间观测方程进行扩展，可得到整个系统的观测方程，状态空间模型是协同定位方法设计的出发点，任意节点的状态空间模型如下：

状态方程：xk＝f(xk‑1)+Qk‑1观测方程：

其中xk为被测AUV的真实状态变量， 为观测变量，为被测AUV的真实观测值，状态方程和观测方程均为非线性函数，Qk‑1为预测噪声，Rk为观测噪声，假设二者都为高斯白噪声，满足正态分布；

主AUV和从AUV每隔时间T进行一次协同定位,由主AUV解算出的其与从AUV的相对距离可表示为：

其中 为以高斯白噪声模拟的测量噪声。

3.根据权利要求1所述的一种基于信息增益的水下无人机器人的并行融合定位方法，其特征在于，所述步骤(2)中局部信息滤波的步骤如下：当前时刻被测AUV节点状态xk‑1的预估期望和协方差 将协方差矩阵分解其中要求 必须要正定；

(a)获取被测AUV状态先验值：L(i)代表矩阵L的第i列，权值为则

得到被探测节点状态先验值 的近似概率密度，其满足正态分布(b)获取被测AUV观测先验值：将 分解，令

L1(i)代表矩阵L1的第i列，权值为(i) (i)

有yk ＝f(xk‑1 )，则k时刻被测节点的观测值的先验期望其先验方差

(c)观测到被测AUV节点的观测值ym；

(d)更新被测AUV状态后验值：‑1

记k＝Pxy(Py)

k时刻被测AUV节点的状态后验期望：其后验方差 至此，k时刻的状态后验估计值和协方差已经获得，进入下一个循环，继续递推。

4.根据权利要求1所述的一种基于信息增益的水下无人机器人的并行融合定位方法，其特征在于，所述步骤(3)中信息增益加权融合为，计算各组局部滤波信息增益，对所有局部后验估计值以信息增益为权重加权融合，使全局后验估计结果以加权的形式输出：i

主AUV预估的状态先验值和后验值的条件熵分别写作：状态后验估计值 对先验值 的信息增益写作：被测从AUV融合i个主AUV测量结果所得位置状态信息为：权值由下式给出：

5.根据权利要求1所述的一种基于信息增益的水下无人机器人的并行融合定位方法，其特征在于，所述步骤(4)在各主AUV滤波拥有相同可靠性的前提下，独立完成局部信息滤波，与系统整体的信息增益加权方法并行运行，使得加权融合可以在任意长度的时间间隔内完成。

6.一种基于信息增益的水下无人机器人的并行融合定位系统，其特征在于，包括系统建模模块、局部信息滤波模块、信息增益加权融合模块、并行结构更新模块；

系统建模模块：搭建AUV运动模型和协同定位系统状态空间模型，综合考虑平台的动力学特性、确定输入参变量，加入高斯噪声，建立运动方程；

局部信息滤波模块：利用无迹变换，对函数的概率密度作近似，求出目标事件的期望和方差，将非线性问题转变成卡尔曼滤波问题，输出局部后验值；

信息增益加权融合模块：以各组局部滤波信息增益为权重指标，对所有局部后验估计进行加权融合，使全局后验估计结果以加权的形式输出；

并行结构更新模块：局部信息滤波由主AUV各自独立完成，与系统整体的信息增益加权方法并行运行，参与融合的多源局部滤波信息为当前最新更新结果，从AUV将各组滤波结果融合输出。

7.根据权利要求6所述的一种基于信息增益的水下无人机器人的并行融合定位系统，其特征在于，所述系统建模模块中AUV的平台状态由平台的位置、速度、姿态等元素组成，综合考虑平台的动力学特性、确定输入参变量，加入高斯噪声，建立运动方程，由全体平台的状态、输入和噪声可以得到整个协同定位系统的状态方程，当把单平台和平台间观测方程进行扩展，可得到整个系统的观测方程，状态空间模型是协同定位方法设计的出发点，任意节点的状态空间模型如下：

状态方程：xk＝f(xk‑1)+Qk‑1观测方程：

其中xk为被测AUV的真实状态变量， 为观测变量，为被测AUV的真实观测值，状态方程和观测方程均为非线性函数，Qk‑1为预测噪声，Rk为观测噪声，假设二者都为高斯白噪声，满足正态分布；

主AUV和从AUV每隔时间T进行一次协同定位,由主AUV解算出的其与从AUV的相对距离可表示为：

其中 为以高斯白噪声模拟的测量噪声。

8.根据权利要求6所述的一种基于信息增益的水下无人机器人的并行融合定位系统，其特征在于，所述局部信息滤波模块中局部信息滤波的步骤如下：当前时刻被测AUV节点状态xk‑1的预估期望和协方差 将协方差矩阵分解其中要求 必须要正定；

(a)获取被测AUV状态先验值：L(i)代表矩阵L的第i列，权值为则

得到被探测节点状态先验值 的近似概率密度，其满足正态分布(b)获取被测AUV观测先验值：将 分解，令

L1(i)代表矩阵L1的第i列，权值为(i) (i)

有yk ＝f(xk‑1 )，则k时刻被测节点的观测值的先验期望其先验方差

(c)观测到被测AUV节点的观测值ym；

(d)更新被测AUV状态后验值：‑1

记k＝Pxy(Py)

k时刻被测AUV节点的状态后验期望其后验方差 至此，k时刻的状态后验估计值和协方差已经获得，进入下一个循环，继续递推。

9.根据权利要求6所述的一种基于信息增益的水下无人机器人的并行融合定位系统，其特征在于，所述信息增益加权融合模块中信息增益加权融合为，计算各组局部滤波信息增益，对所有局部后验估计值以信息增益为权重加权融合，使全局后验估计结果以加权的形式输出：

i

主AUV预估的状态先验值和后验值的条件熵分别写作：状态后验估计值 对先验值 的信息增益写作：被测从AUV融合i个主AUV测量结果所得位置状态信息为：权值由下式给出：

10.根据权利要求6所述的一种基于信息增益的水下无人机器人的并行融合定位系统，其特征在于，所述并行结构更新模块在各主AUV滤波拥有相同可靠性的前提下，独立完成局部信息滤波，与系统整体的信息增益加权方法并行运行，使得加权融合可以在任意长度的时间间隔内完成。