近年来,四旋翼无人机在疫情防控、农业生产、精细化巡检、国防与社会安全、航拍等领域中发挥着重要作用,这种能够垂直起降、自主悬停、具有一定载物功能的无人飞行器凭借其自身的强大优势受到越来越多的关注。四旋翼无人机通过姿态变化来实现运动状态的改变,为了保证四旋翼无人机的稳定飞行,四旋翼无人机需要根据实时获取的姿态信息进行适当的调整。因此通过无人机机载传感器获取其准确的空间姿态是无人机稳定控制的必要条件,更是一个研究热点。四旋翼无人机通过航姿参考系统（Attitude and Heading Reference Systems,AHRS）来获取其姿态信息,该系统主要由以下三个基于微机电系统（Micro Electro Mechanical Systems,MEMS）的传感器组成:陀螺仪、加速度计、磁力计。以上传感器均能用于姿态解算,然而陀螺仪存在较大的累积误差,加速度计在非重力加速度较大的情况下姿态解算精度大幅下降,磁力计易受周围磁场的干扰导致解算精度下降,因此通过将多传感器信息进行融合可以在一定程度上提高所得四旋翼无人机姿态信息的准确性。然而,进行传感器信息融合的过程中会遇到以下问题:（1）加速度计作为融合数据源之一,在非重力加速度较大的情况下,精度下降明显,导致最终的姿态角出现较大误差。（2）常用的梯度下降算法在姿态解算过程中收敛速度随姿态角误差的减小而减慢,若加大步长则出现姿态角振荡问题。（3）磁力计主要用于修正偏航角,但融合过程中会对水平姿态角产生一定影响。（4）常用姿态融合算法需要根据不同的运动状态,建立不同的数学模型以及合理的参数选择或参数调整方案,无法用较为精确的数学模型来描述所有类型的运动中产生的误差。因此,本文围绕上述影响姿态解算精度的问题,进行了以下研究:（1）针对非重力加速度影响的问题,提出通过受力分析的方法,用升力加速度与重力加速度共同表示加速度计理论输出,减小非重力加速度对姿态解算精度的影响,以此来提高基于加速度计姿态解算的精度,实现提高融合算法精度的目的。（2）针对常用梯度下降算法在姿态解算过程中遇到的问题,提出使用Momentum梯度下降法进行姿态融合,并将步长与传感器采样时间和机体角速度相联系,以此来提高姿态解算精度。（3）针对磁力计对水平姿态角的影响,将水平姿态角与垂直姿态角分开解算,以此来获得更高精度水平姿态角信息。（4）针对常用姿态融合算法无法将所有类型的运动中产生的误差用数学模型准确描述的问题,利用姿态角在时序上连续变化的特点,提出了一种基于长短时记忆神经网络（Long short-term Memory,LSTM）的四旋翼无人机姿态解算算法,将由传感器输出到姿态输出的过程看作黑盒子,将当前时刻的传感器输出与过去时刻的姿态角输出序列作为输入用以预测当前时刻的姿态角,实现高精度姿态估计。