航空磁法勘探是通过把磁力仪装载在飞机上来检测地球磁场变化的一种磁法勘探手段,传统的航空磁测手段多为固定翼有人机航磁测量,但随着航空磁力仪小型化及无人机技术的发展,无人机航磁测量以其成本低、尺寸小、限制少、无人员安全隐患等优点,在地质勘查、矿产勘探、未爆炸弹的探测等领域发挥着越来越重要的作用。无人机自身包含的铁磁性物质在航空飞行过程中会产生磁干扰,严重影响了无人机航磁测量数据的精度。同时相较于传统的地面磁法测量工作,无人机航磁测量数据具有采样间距小、数据量大的特点,采用传统的反演方法进行地质目标解释存在内存消耗大、计算速度慢的问题。本文围绕无人机航磁测量数据处理和解释中存在的问题展开研究,进而提高无人机航磁数据测量精度和反演效率。本文选择单旋翼无人机作为航空磁力仪的搭载平台,集成开发了一套无人机航磁探测系统。基于Tolles-Lawson模型开展了无人机航磁测量磁干扰数值仿真试验,并利用最小二乘法和岭回归算法分别对其进行补偿,验证了方法的有效性和鲁棒性。为了进一步提高航磁补偿算法的精度和泛化能力,本文采用神经网络算法对航磁数据进行补偿。通过经典的BP神经网络对仿真数据和实际飞行数据进行补偿处理,证明了神经网络拥有更高的补偿精度和更强的泛化能力。而后首次提出了一种补偿精度更高,泛化能力更强的径向基（RBF）神经网络方法,并将其应用到无人机航磁补偿计算中,进一步提升了补偿算法的性能。针对采集的原始无人机航磁测量数据,经过磁补偿、调平等数据处理获得地下目标体引起的磁异常数据,为了实现目标体物性参数的反演,本文开展了正则化三维物性反演方法的研究,并且采用自适应采样法对数据进行稀疏采样,在减少参与反演计算的数据量的同时,尽可能地保留数据的主要信息,提高了大规模无人机航磁测量数据的反演效率。最后,将本文建立的方法应用于马鞍山宁芜矿集区无人机航磁测量数据中,通过对航磁原始观测数据的处理和解释,验证了本文建立的航磁补偿方法和物性反演方法的有效性,提升了无人机航磁测量技术在矿产资源勘查中的应用水平。