随着现代科技与社会的快速发展,无人机在多领域取得了广泛的应用,其功能与应用场景亦愈发复杂,对高度信息的可靠性需求不断增加。提升高度信息的准确性与稳定性可以令无人机飞行过程更加稳定,从而完成复杂的任务,对现阶段及未来无人机的应用与发展有着重要意义。现阶段无人机获取高度信息的方式多是通过单一传感器测高或者通过多传感器融合在算法层面上进行优化,提升幅度相对有限。本文基于多传感器融合的方式,在硬件与算法两个层面同时研究提升高度信息稳定性与可靠性的方法,设计了一套多传感器融合的高度测量系统并对其进行了实验验证与性能分析。本文首先对目前中小型无人机使用的测高系统进行分析,得出结论多传感器融合测高的方式普遍优于单一传感器测高。但在多传感器融合系统中,多是局限于算法层面的相关优化设计。本文从硬件端与算法端同时入手,研究软硬件结合对多传感器融合效果的影响。硬件端使用MEMS谐振式压力传感器、包含北斗的卫星导航系统与激光测距传感器作为高度信息来源,并且依据每种传感器的特性设计了采集电路,加入辅助测高的环境传感器模块、通信模块等,通过温度补偿、GNSS多星定位、校准传感器等方式优化信号采集、数据处理、高度转换等过程。嵌入高性能计算模块,将所有模块集成于一块小型的6cm*6cm高度计算平台中,并对电路、布局进行了优化设计,将不同类型信号隔离处理、内置不同幅值电源转换、预留数据接口等。同时针对高度计算平台设计了上位机数据分析平台,用以观测、记录相关数据情况等。算法端针对无人机这类对体积与实时性要求较高的场景,设计了多级式多传感器融合结构,具有三级融合节点。在每一级节点依据传感器特性与高度转换方式设计了合适的滤波融合模型,结合扩展Kalman滤波与自适应Kalman滤波等方法,完成多传感器融合过程并部署于高度计算平台中。系统根据传感器的状态及信息自适应调节滤波融合模型中的关键参数,从而对高度信息进行不断的迭代与更新,以应对环境变化带来的不确定性。实验结果表明,本系统可将高度误差降至分米级,部分情况下可达厘米级,系统更新频率10 Hz,实时性较好,软硬件结合具备一定优势。