姿态检测是水下无人潜航器导航控制的基础。利用多传感器数据融合算法准确测量AUV的姿态信息,做出相应控制信息,保证AUV的基本航行是极为重要的。本文针对现有的多传感器数据融合算法的局限性,重点研究了适用于非线性系统下的无迹卡尔曼滤波算法,提出了基于AUV姿态检测的多传感器数据融合算法,通过自适应策略调整噪声协方差,提高融合算法的准确性,并通过实验对其性能完成验证。本文首先分析了数据融合算法的发展现状,并对姿态解算方法以及融合算法进行对比和总结。其次从坐标系的选取以及姿态的表示方法等方面研究了 AUV姿态检测的基本理论,重点分析了基于四元数的姿态更新实现过程。通过研究MEMS传感器测姿原理设计传感器组合测姿方法。在AUV姿态数据采集阶段,首先分析AUV系统特点以及UKF算法在强非线性环境下的性能,确定本文的数据融合算法。使用低成本MEMS传感器设计了一款小型的AUV测姿系统,通过传感器配置得到可靠的原始姿态数据。通过分析传感器误差来源建立误差模型,实现原始姿态数据的预处理以提高测量精度。在数据融合算法研究和设计阶段,论文提出的AUV姿态数据融合算法主要从系统模型简化和自适应因子研究两个方面展开UKF算法的优化与设计。利用四元数更新方程替代UKF算法中的非线性状态方程以减少UT变换次数,通过比较残差理论协方差矩阵与残差实际协方差矩阵的大小设置自适应因子,然后利用此因子调整系统噪声协方差和测量噪声协方差,以解决噪声统计特性的不确定性带来的误差影响,最后详细介绍了融合优化策略后的UKF算法实现步骤,以实现对传感器姿态数据的融合处理以及精度的提升。论文最后对姿态数据融合算法进行仿真验证。将实验分为静态和动态测试两类分别进行测试,静态测试中分析固定姿态角下的融合精度,动态测试则采集动态数据进行融合分析。仿真结果表明,基于AUV的多传感器姿态数据融合算法可以有效避免陀螺仪漂移误差,在缓慢运动下可以提高融合精度,而且测姿系统的选型上可满足AUV低成本的需求,具有一定应用价值。