随着微小型处理器、传感器、电机以及姿态解算方法和控制算法的发展,多旋翼飞行器的研究和开发受到广大科研人员的关注。如何得到相对准确的飞行器的飞行数据,从而更好的控制飞行器的飞行是其核心内容之一,而这也直接影响着多旋翼飞行器的系统性能及推广应用。论文分析和研究了多旋翼飞行器飞行状态的测量所需要的传感器即陀螺仪、加速度计、磁力计、GPS、气压计和激光测距仪的原理及其相互间的关系,从而根据其可能产生的误差进行了相应的误差建模。依据传感器输出特性,对多旋翼飞行器的姿态角、高度、位置和速度信息进行了解算。针对单一传感器不能准确给出飞行器当前飞行状态的数据,对多个相关传感器的数学解算建立了信息融合算法模型。建立了基于同源传感器的集中式经典卡尔曼滤波模型;对本文的多传感器进行了分散式的联邦卡尔曼滤波过程建模,分别设计了其姿态、高度、位置信息的子滤波器以及主滤波器;通过对比分析提出了改进的联邦卡尔曼滤波算法,构建了改进的联邦卡尔曼滤波框架并对其关键性作用的主滤波进行了改进建模,实现了低成本传感器的测量精度的提高。对本文研究的集中式经典卡尔曼滤波、分散式联邦卡尔曼滤波以及提出的改进联邦卡尔曼滤波效果分别进行误差仿真试验对比,对滤波效果进行分析讨论,通过仿真结果表明改进的联邦卡尔曼滤波算法有效提高了飞行器飞行状态测量精度,验证了改进算法的有效性,更好地提高了飞行器的飞行稳定性和可靠性。