无人机编队协同技术利用多无人机传感器之间的信息交互,在执行任务时有更佳的操作性、稳定性、安全性,具有非常广阔应用前景。而相对导航信息作为实现协同控制的关键信息,其精确性和可靠性的保证具有重要意义。本文围绕小型无人机之间的近距离相对导航信息的求解,设计了一套基于无人机之间测距信息的相对导航方案,并对载波相位差分技术,UWB超宽带通信与测距技术,GNSS/INS紧组合技术等相关技术进行了问题分析与研究。研究内容如下:首先,本文针对相对导航中测距的精度问题,研究了UWB测距优化算法。基于UWB测距模型,针对由于通信帧从发送电路到发送天线导致的的天线延迟,使用线性拟合对误差进行补偿和校准;针对由于节点之间相对运动导致的测距偏移,建立了误差补偿模型;针对NLOS状态下产生的测距误差,利用滑动窗口的方法进行识别,并优化了卡尔曼滤波算法实现了误差的修正。实验结果表明,优化过后的测距算法精度与传统的测距算法相比,在LOS(空旷环境)状态下误差降低了70%,在NLOS(非视距环境)状态下误差降低了50%。其次,针对本文相对导航方案中差分GNSS技术的整周模糊度解算的精度和可靠性问题,研究了UWB辅助整周模糊度解算的相关算法。利用UWB的测距信息,通过对目标函数的约束,将整周模糊度浮点解快速收敛,其精度提高了一个数量级,使模糊度整数解的搜索效率提高了6%;建立了搜索辅助空间,在尽可能减少计算负担的前提下扩大了搜索范围,将模糊度整数解搜索的成功率提高了4%;另外,设计了整周模糊度验证方法,该方法不仅克服了Ratio测试需要2个候选模糊度的局限性,而且提高了检验的可靠度。接着,针对INS/GNSS组合方式的精度不满足相对导航要求的问题,基于UWB测距信息,结合GNSS差分技术,研究了UWB辅助的INS/GNSS相对导航融合算法。针对载波测量值噪声波动较大导致估计结果产生偏差的情况,设计了抗差自适应因子对无迹卡尔曼滤波器进行了优化,提高系统精确性和鲁棒性。仿真结果表明,该融合算法将相对导航的定位精度相对INS/GNSS紧组合提高了至少50%,绝对精度在10cm左右,满足相对导航的定位精度需求。同时,抗差自适应因子能够更好地修正观测误差较大时的估计误差。最后,针对小型无人机编队成员之间相互信息的需求,基于UWB超宽带传感器研究了本相对导航方案中的通信和测距功能,基于IEEE802.15.4a的通信机制,设计了UWB测距、通信的数据帧格式以及数据接收和发送策略。另外,搭建了相对导航的硬件验证平台,通过实验验证了导航定位的整体性能以及算法的合理性。