鉴于无人机可持久的在危险或者人员难以触及的环境中执行任务的特性，无人机在军事和民用等领域扮演着越来越重要的角色。虚拟仪器技术秉承“软件即是仪器”的设计思想，使用户可以仅仅改变软件或添加简单的配件就能使相同的设备实现不同的功能。信息融合技术可以通过卡尔曼滤波算法等方法对多传感器信息进行处理，综合提取其中的有效信息，有效剔除干扰以及无用信息，为故障诊断的精确性、可靠性以及全面性提供保证，并可大大减小分类器需要处理的数据流量。本文研究的目的在于将传感器数据融合技术和虚拟仪器技术“软件即是仪器”的理念应用于无人机电气系统故障诊断中，在提高诊断系统的准确度和效率的同时提高系统的可移植性和减小系统升级难度。本文在对无人机电气系统故障特性的研究基础之上提出了使用扩展卡尔曼滤波器进行多传感器数据融合以提取故障特征的方法，为此对无人机进行姿态解算和位置解算，将多种传感器数据最终融合成为无人机的位姿向量。故障分类器选用支持向量机（SVM）很好地解决了高维特征向量和非线性系统故障识别的困难。对于本文中多类别分类问题，将其拆分成了一个2类、一个4类和一个6类分类问题的组合。避免了分类过多造成的SVM规模过大而影响分类效果的问题。从仿真结果可以看出，分类器对大多数传感器的故障诊断的正确率较高，尤其是对正常状态的误判状况很少，可以大大节省系统资源的占用提高系统的实时性，但对不同传感器和不同故障识别的准确率的差异说明数据融合算法和分类器设计有待进一步研究和改进。在系统设计阶段，严格依照“软件即是仪器”的设计思想进行软、硬件设计。为硬件系统配备了多种的标准接口，其他系统资源配备上也对以后的升级移植等状况作了充分考虑；采用模块化程序设计的方法，根据功能特性编写各个程序块，最终组成完整的软件系统。整个系统具有可移植性好、易于升级等特点。