为了实现无人机的自主飞行并执行相关任务,飞行控制系统需具有准确获取各种飞行状态信息的能力,从而保证无人机的飞行性能。航空传感器由于受技术和使用条件的限制,测量精度有限,单一传感器难以获得高精度的各种状态信息,从而影响飞行控制的性能。为了解决这一问题,在机上安装多个传感器对同一量进行测量,获取更多的测量信息,然后对这些测量值进行综合处理,得到更加精确的值。这个对多个传感器的测量值进行综合处理从而得到更加准确的值的过程,就是多传感器信息融合技术。本文根据信息融合的理论和飞行控制系统的需求,将多传感器信息融合技术引入无人机飞行控制系统。针对无人机机载高度和姿态角传感器的特点,通过对信息融合算法的研究和分析,利用Kalman滤波方法设计和实现高度多传感器的信息融合、BP神经网络方法设计和实现姿态角多传感器的信息融合。根据设计要求,信息融合算法在飞行控制计算机里实现,用C代码实现融合算法,集成原有的飞控代码应用于飞行控制系统。高度和姿态角的融合算法都分别利用传感器仿真数据和试飞数据进行了验证,结果表明,信息融合技术的引入提高了系统信息获取的准确性,提高了飞行控制系统的性能。通过对算法执行时间的计算,Kalman滤波算法执行一次所需要的时间在10-6～10-5s数量级范围内,BP网络算法执行一次的时间在10-6s数量级。根据系统对高度和姿态角信号的实时性要求,可以得到结论,信息融合算法完全能满足系统实时性要求。另外,信息融合算法的引入不增加系统的硬件结构,保证系统的完整性和可靠性。