智能集群化是当前无人机领域的重要发展方向,相对导航与定位作为其中的核心技术是无人机完成任务的关键。这其中包含两层含义,其一是获取无人机之间的相对导航信息可以保证自主编队飞行的一致性和安全性;其二是多机通过配置不同的传感器载荷实现能力互补,共同对目标进行相对定位,可以提升无人机的任务能力和整体效能。本文针对多机协同相对导航中这两个方面的问题展开研究,在综合分析相对导航系统需求的基础上,研究了基于多源信息融合的相对导航问题,旨在提高无人机相对导航系统的综合性能。本文首先针对SINS/DGPS组合相对导航展开研究,提出了一种惯性/卫星高精度相对导航算法。研究了惯性导航系统相对状态递推模型,并推导了相对姿态四元数和相对速度误差方程。针对卫星导航系统,研究了基于移动基准站的DGPS模型以及整周模糊度的求解方法。基于全并行分布式的系统框架,研究设计了二级滤波器的融合结构,有效提高了惯性/卫星相对导航系统的解算精度。然后,为了进一步提高无人机相对导航的可靠性,文中引入测距测角信息对SINS/DGPS进行辅助。文中研究了无源/有源导航系统的相对定位模型,提出了一种基于双层嵌套式结构的融合算法,有效地削弱了系统对数据链的依赖,提高了容错能力。接着,针对无人机与非合作目标间的相对定位问题,本文研究分析了列文伯格-马夸尔特优化的思想并对迭代卡尔曼滤波算法进行改进,提出了一种LM-IEKF算法。考虑到由于信号相关特性而引入的乘性噪声问题,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,从而提升了系统的导航精度。为了提高相对导航系统在GPS拒止情况下的自适应能力,对多传感器协同的全源相对导航算法展开了研究。提出了一种基于集中式融合架构的自适应重构滤波算法,从而达到全源相对导航系统对兼容性、灵活扩展性和容错性的要求。同时,提出了基于全并行分布式融合架构的多模型滤波算法,实现了相对导航系统在多个模型间的灵活切换。通过残差检测的方法,有效地对失效传感器或量测野值进行隔离,提高了导航信息的质量。最后,设计了半物理实验平台和综合仿真软件,对文中研究的算法进行了验证与评估,结果表明:本文提出的算法可以提高相对导航系统在精度、可靠性和自适应能力等多方面的综合性能,为多源信息融合技术在无人机相对导航领域的应用提供了重要的参考。