基于相对方位的组网AUV协同导航精度要高于基于相对距离的组网AUV协同导航精度，这是因为相对方位量测所包含的信息量要多于相对距离量测所包含的信息量，主要是由于相对方位量测中不仅包含了角度信息，还包含了方向信息，而相对距离量测中仅包含距离信息。但是水声测向在实际中存在探测角度误差较大的问题，使得基于相对方位的协同导航效果不是很好，所以对于AUV的协同导航大都是利用相对距离信息。本书在协同导航中也是利用相对距离信息进行协同导航定位解算，后文将不再赘述。

主从式分布中从AUV仅仅通过与主AUV进行探测、通信实现对自身位置的更新，对主AUV的依赖程度较高，当主AUV丧失精准定位能力后将会对整个AUV网络直接产生不可估计的影响。虽然通过增加主AUV的数量可以在一定程度上提高AUV网络的可靠性，但是这样不仅大幅提高了AUV网络的成本，同时也增加了系统的耦合度和复杂度。并行式相比于主从式由于没有导航精度相对较高的AUV，因此整体的导航定位效果相比于主从式稍低。本书所研究的协同导航定位算法的主要思想是AUVi可以同时获得其他AUVj（j≠i）的量测信息，AUVi根据性能函数完成对量测的筛选后进行协同导航滤波。值得注意的是，本书所研究的主从式分布仅指组网AUV中既存在携带高精度导航设备的AUV，也存在携带低精度导航设备的AUV，从AUV并不是仅仅利用主AUV的量测信息，而是根据一定的选取准则选取较优的量测进行协同解算，从而在一定程度上减小了对主AUV的依赖程度。

本书所研究的组网AUV由9个AUV组成，分别编号为AUVi（i＝1～9），各AUV分布如图5-8所示。各AUV在执行任务前，均通过GPS进行时间校正，在协同导航定位过程中，各AUV按照预先约定的时间间隔向外发射固定频率的声脉冲信号，间隔一段时间后，通过水声通信装置各AUV广播自身的位置信息。(www.daowen.com)

图5-8　AUV分布