近年来,随着计算机和电子技术的进步,四旋翼无人机迅速的发展起来。由于其体积小、结构简单、成本低、能够在恶劣的环境中完成任务,因此,被广泛的应用在军事、民事领域,逐渐成为人们的研究热点。四旋翼无人机工作的过程中,我们需要时刻知道无人机的准确姿态,因此,需要使用传感器来测量四旋翼无人机的姿态信息,传统的传感器成本高、体积大,不符合微型化的市场需求,而MEMS传感器由于其体积小、成本低、功耗小的优点,被广泛的应用在四旋翼无人机上。但是,在实际的工程应用中,MEMS陀螺仪传感器存在漂移,经过积分会造成累积误差越来越大,最终甚至会导致姿态发散;MEMS加速度计动态性能不好,四旋翼在飞行过程中特别是加速的时候,机体会剧烈的振动,剧烈的振动会以白噪声的形式对加速度计的测量值造成影响;磁强计在工作过程中容易受到外界磁场的影响。MEMS传感器的这些缺点都会导致四旋翼无人机姿态信息获取不准确。为了解决上面的问题,需要设计合适的姿态解算算法对MEMS传感器测得的数据进行融合,本文提出了两种姿态解算算法,第一种是扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法,该算法以四元数和陀螺仪漂移为状态向量建立状态方程,以加速度和磁场强度在机体坐标系中的分量为观测向量建立观测方程,然后通过扩展卡尔曼滤波算法对其进行融合。但是扩展卡尔曼滤波算法的计算量比较大,对处理器的要求比较高,并且只是针对白噪声,因此在实际中应用比较少。针对扩展卡尔曼滤波算法的缺点,我们提出了第二种姿态解算算法:梯度下降法。该算法首先建立四元数微分方程,使用陀螺仪的测量数据通过一阶毕卡对微分方程求解,可得到一组四元数数据,然后使用梯度下降法对加速度数据和磁力计数据进行处理得到最优四元数,再将得到的两组四元数根据权重值(线性)把两者融合到一起得到最终的姿态四元数,再根据四元数得到四旋翼的姿态信息。该算法处理器的要求不高,而且计算量比较小,但是在接近最优值时收敛速度比较慢。以下是本文的主要研究内容:首先,对四旋翼无人机的研究背景和意义进行阐述;介绍了目前四旋翼无人机的国内外研究现状;介绍了MEMS传感器的国内外研究现状;介绍了航姿参考系统的研究现状。其次,介绍了四旋翼无人机的基本知识。介绍了四旋翼无人机的基本结构,并对其飞行原理进行简单介绍;介绍了四旋翼无人机常用的坐标系并且对其建立坐标系;介绍了四旋翼无人机常用的两种姿态表示方法:欧拉角法和四元数法。然后,提出了一种扩展卡尔曼滤波的姿态解算算法,对四旋翼无人机的姿态进行解算。该算法以四元数和陀螺仪漂移为状态向量建立状态方程,以加速度和磁场强度在机体坐标系中的分量为观测向量建立观测方程,然后通过扩展卡尔曼滤波算法对其进行融合。并对该算法进行仿真验证,表明该算法能够实现姿态的解算,并且可以抑制白噪声。最后,针对扩展卡尔曼滤波算法的缺点,提出了梯度下降法的姿态解算算法,对四旋翼无人机的姿态进行解算。该算法首先建立四元数微分方程,使用陀螺仪的测量数据通过一阶毕卡对微分方程求解,可得到一组四元数数据,然后使用梯度下降法对加速度数据和磁力计数据进行处理得到最优四元数,再将得到的两组四元数根据权重值(线性)把两者融合到一起得到最终的姿态四元数,再根据四元数得到四旋翼的姿态信息。并对该算法进行仿真验证,表明该算法能够准确的得到四旋翼无人机的姿态信息。