多旋翼无人机已被广泛应用于军事与民用领域。导航系统是多旋翼无人机的重要组成部分,是其实现安全与稳定飞行的基础。采用INS/GPS组合导航系统可实现高精度导航,该组合导航系统具有优势互补、导航机构冗余的特点,其实质是一个多传感器导航信息优化处理系统。无人机的主要导航参数就是依靠多传感器信息融合获得的,因此信息融合技术是组合导航系统的关键技术,目前已成为国内外学者研究的热点问题。本文以课题组自行研制的全新结构多旋翼小型无人机为研究平台,展开对机载多传感器组合导航系统信息融合这一关键技术的研究。论文包括以下几个方面:(1)研究了多旋翼无人机各机载传感器的测量应用特性,重点研究了陀螺仪的噪声源种类及误差消除方法。在此基础之上,确定了基于姿态、位置、速度的多级式信息融合结构,它是基于信息融合的层次化结构设计,可明显减少导航系统的计算量,提高系统的机动性能。多级式融合结构的每一级可采用不同的融合算法,本文着重介绍了在多传感器组合导航系统中应用最成功、最广泛的Kalman滤波算法。(2)根据各传感器的测量特性分析,展开基于各传感器的导航信息解算算法研究。采用当地地理导航坐标系进行机械编排,并根据无人机实际飞行特点做出相应简化。在此基础上,研究了陀螺仪的姿态解算、加速度计与磁力计的姿态解算、加速度计的位置与速度解算、GPS的位置与速度解算。为信息融合的模型建立和算法研究奠定基础。(3)采用陀螺仪与加速度计、磁力计进行第一级姿态信息融合,该级融合算法采用Kalman滤波算法。建立姿态融合系统的非线性离散时间状态空间模型,采用扩展Kalman滤波解决了模型线性化问题。提出了一种改进的Sage-Husa自适应扩展Kalman滤波算法,该算法采用陀螺仪动态解算的姿态角方差来估计系统噪声方差,使用自适应滤波算法在线实时估计量测噪声方差,这样可以保证滤波的精度与稳定性,该算法同时引入了滤波器收敛性判据,并结合强跟踪Kalman滤波算法有效的抑制了滤波发散问题。(4)采用加速度计与GPS进行第二级水平方向位置、速度信息融合,采用改进的Kalman滤波算法,建立了线性离散时间状态空间模型,在模型中将加速度信息作为状态方程的输入控制量,从而间接预测位置与速度信息,这有利于提高信息融合的精度。引入气压高度计与加速度计、GPS组合实现第三级垂直方向高度、速度信息融合,根据联邦滤波器设计思路确定了二次融合结构,分别采用了改进的Kalman滤波算法和加权最小二乘估计算法,在第二次融合之前,还增加了GPS故障诊断环节,增强了信息融合系统的容错能力。在论文的最后,总结了全文的工作情况,并对今后的工作进行了展望。