着舰相较于起飞和巡航是舰载无人机飞行过程中最为关键的环节,因此针对无人机自主着舰导引技术的研究具有重要的意义。多源信息融合为无人机自主着舰导引技术的发展提供了一个有效的手段。本文主要针对应用于无人机自主着舰导引的信息融合算法展开研究。首先,系统地分析和比较了精密着舰雷达、GPS、机器视觉等主流着舰导引技术的优缺点、误差以及信息流特性;在综合考虑着舰性能和自主性的前提下,设计了一套用于舰载无人机着舰导引的信息融合技术方案;将技术方案分为三个模块:视觉信息的增强、航母的识别、机舰相对位姿的估计。其次,研究了一种基于多源图像融合的视觉信息增强算法。利用K均值奇异值分解算法完成过完备字典的训练;在此基础上分别计算红外与可见光图像在过完备字典上的稀疏投影;进而根据融合规则完成稀疏投影的融合,实现融合图像的重建。仿真实验表明红外与可见光图像的融合改善了异源图像对环境的自适应性,提高了视觉系统在低能见度条件下的适用性。再次,提出了一种基于多特征融合的航母识别算法。利用基于频域残差的显著性分析方法实现航母候选区域的快速提取;在此基础上提取SIFT描述子,并对SIFT描述子进行稀疏编码以获取更抽象的稀疏特征,进而在空间金字塔框架下完成全局特征与局部特征的融合;利用线性支持向量机完成对航母候选区域的识别。仿真实验结果表明全局特征与局部特征的融合提升了识别算法的鲁棒性,在多种不同的天气条件下均能实现对航母的有效识别。最后,研究了一种INS与视觉信息融合的机舰相对位姿估计算法。利用INS输出的姿态信息获取旋转矩阵的初始值,避免了视觉算法在初始估计过程中的复杂运算;在此基础上利用正交迭代算法完成对旋转矩阵与平移向量的进一步优化,以获取机舰相对位姿信息;将正交迭代算法优化后的姿态信息反馈给INS以实现对INS累积误差的校正。仿真实验结果表明融合算法解决了机器视觉算法在姿态角测量中的跳变问题,同时大幅降低了位置测量过程中的误差。