精准的导航系统是四旋翼无人机良好性能的基础。小型四旋翼无人机由于机体内部使用单一传感器精度低,测量噪声大,无法得到准确的姿态信息。针对以上问题,本文将多个传感器信息进行融合,减小单一传感器的测量误差,获取准确的姿态信息。主要内容包括:本文详细分析了多传感器信息融合技术在四旋翼无人机应用方面国内外发展的研究现状,并深入探讨了多传感器信息融合方法,其中包括互补滤波、卡尔曼滤波等;研究了加速度计、陀螺仪和磁力计的工作特性,并分析了产生误差的原因,对其进行标定。由于四旋翼无人机的机体震动会对加速度计和陀螺仪采集的数据造成较大影响。采用快速傅里叶变换对加速度计和陀螺仪传感器数据进行频域分析,确定机体震动噪声范围;在详细分析了IIR和FIR数字滤波器特性的基础上,仿真验证了IIR数字滤波器去除机体震动噪声的有效性。提出了自适应显性互补滤波算法,该算法在姿态四元数法的基础上,根据四旋翼无人机的运动状态分别赋予加速度计姿态估计值和陀螺仪姿态估计值不同的权重,将其进行融合自适应完成四旋翼无人机的姿态解算。加速度计估计值采用了梯度下降法,增加了算法的迭代速度;陀螺仪姿态估计值采用二阶互补滤波算法融合陀螺仪的测量值与加速度计的补偿量,减小了陀螺仪的测量误差;权重采用加速度计的测量值与重力加速度的二范数之差来确定,体现了算法的自适应性。与互补滤波算法、扩展卡尔曼滤波算法进行实验对比,实验结果表明了该算法在室内环境下可以有效地提高四旋翼无人机姿态角解算精度。采用STM32F407开发板、ICM20602传感器、AK8975磁力计传感器以及四旋翼无人机动力装置搭建了四旋翼无人机半实物仿真平台,该平台可以实现传感器的数据采集以及四旋翼无人机基本的飞行任务;针对该平台在调试过程中的困难,设计了基于Gazebo的四旋翼无人机虚拟仿真模型,在该模型内实现了本文所提出的算法,再次验证了所提出算法的有效性。