四旋翼无人机具有自由度高、灵活性强、对复杂地形的适应能力强和成本低等诸多优点,常用于代替人工去完成一些危险性比较高和人工难以完成的任务。然而,由于受到四旋翼无人机的物理结构限制,如何根据四旋翼无人机的系统特性来设计一个稳定性高且鲁棒性强的控制器是一直以来的研究难点。本文针对四旋翼无人机的控制问题,首先分析了无人机的动力学模型,考虑到控制系统的内部扰动和外部扰动,设计了基于自抗扰控制器的姿态控制策略。针对在现实飞行的情况下存在的紊流风场干扰,建立了Dryden紊流风场模型,以模拟四旋翼无人机在实际飞行中所遇到的风场干扰。其次,针对自抗扰控制器自身参数较多且难以调节、人工调节难以达到最优的问题,考虑到传统粒子群算法探索能力不强、容易陷入局部最优值,提出了一种基于分数阶模糊粒子群（fractional-order fuzzy particle swarm optimization,FOFPSO）的四旋翼无人机自抗扰控制器参数优化算法,该算法将模糊逻辑和分数阶的特性加入到粒子群算法中,从而增强粒子跳出局部极小值的能力,更深入地探索搜索空间,收敛速度更快,避免了粒子陷入局部最优值的同时还提高了求解的精度。最后,搭建了基于Pixhawk飞行控制器的四旋翼无人机物理实验平台用于算法验证。为了验证所设计的控制器在实际的嵌入式平台上运行的可行性,采用了基于模型的设计方法（model-based design,MBD）将控制器模型部署到Pixhawk硬件平台上,并验证了控制器的姿态跟踪性能和抗干扰性能。其次,考虑到在室内或者GPS无法使用的环境下难以获取到无人机自身在三维空间中的位置信息所导致的无法实现精准位置控制问题,设计了基于UWB的无人机室内定位系统,并将所获得的UWB数据与无人机的姿态数据使用卡尔曼滤波的方法进行融合,减少测量的不确定性,提高定位的精度。