航空磁法勘探是航空地球物理勘探的重要组成部分,它是通过飞机上装备的磁力仪探测地磁场的变化、研究地下地质构造的一种物探方法。传统航磁探测平台多为有人驾驶的大型固定翼飞机或直升机。近年来,伴随小型高精度航空磁力仪的出现和无人机技术的发展,使基于无人机平台的航磁测量成为可能。无人机航磁探测具有效率高,成本低,飞行限制少等优点。但无人机平台在数据采集过程中同样会对磁传感器产生磁干扰,因此,研究适合无人机平台的补偿算法对提高无人机航磁数据质量水平具有重要意义。本文选择旋翼无人机平台作为研究对象,首先结合高精度航空磁力仪搭建了旋翼无人机总场航磁测量系统。然后针对旋翼无人机在补偿飞行时具有不稳定的飞行姿态和独特的旋翼噪声等特点,结合经典滤波模型,建立了旋翼无人机航磁探测平台磁干扰模型。在此基础上本文研究提出了两种旋翼无人机航磁总场补偿改进方法,用以解决干扰模型多重共线性问题,进而提高了模型的精度和鲁棒性。本文利用非监督学习理论对无人机航磁模型进行分析,提出了一种基于深度自动编码器(DAE)的补偿算法。DAE通过梯度下降反向传播算法搜索干扰数据中变化最大的方向以寻找特征,并利用其特殊的网络结构压缩表示系数矩阵以提取特征,以降低模型本身及离群噪声导致的多重共线性,提高回归算法的性能。本文结合线性回归和神经网络提出了一种具有较强泛化能力的广义回归神经网络(GRNN)方法。GRNN由概率密度函数推导而来,不需要进行反向传播迭代运算,计算耗时少。概率密度函中适当的光滑因子和训练集的分布将有效提高旋翼无人机航磁补偿模型的精度和泛化能力。矿区的航空磁测结果表明,本文提出的补偿改进算法能有效消除并保留磁异常信号,经各项矫正后的磁异常范围表现更加清晰。在算法验证基础上,作者开发了补偿应用软件以便用于实际航磁测量数据的补偿处理。