随着无人机执行任务种类越来越多,飞行环境与任务的复杂度也在逐渐增加,单机载荷重量、续航等局限性使得无人机系统向集群化、低成本化、微小型化发展,对分米级的高精度定位需求也越来越强烈,而单一传感器的定位精度难以满足。多源融合定位技术能够有机耦合各类传感器,提升定位精度,成为未来无人机集群定位重要方向之一。本文重点针对面向无人机集群的多源融合定位中无人机系统自主快速现场校正、协同定位优化和集群融合快速定位三个关键技术难题,开展了研究创新与工程实践验证,主要研究工作和创新点如下:1.针对无人机系统自主快速现场校正难题,提出了基于差分模值约束的零速区间检测模型和基于天牛须搜索与粒子群优化的陀螺仪现场校正方法,提高了区间检测边界准确性,实现了对低成本IMU系统偏差的自主快速现场校正,通过IMU校正试验表明:本文方法现场校正时间不超过5分钟,而现有基于迭代优化的校正时间为8分钟左右;校正参数与工厂提供的参数相近,可为无人机集群多源融合定位提供良好观测信息;2.针对城市环境中无人机集群协同定位优化难题,提出了基于集群协同观测的逆协方差交叉（ICI）定位优化方法,基于ICI原理,得出了紧密的融合定位估计误差协方差阵上界,基于最小方差最优估计准则,实现了基于距离等非线性协同观测的集群定位优化,提升了无人机集群定位精度与鲁棒性。仿真结果表明:对基于相对位置和距离测量的无人机,本文方法与分裂协方差交叉滤波器（SCIF）和去相关最小方差方法（DMV）相比,在95%概率的定位精度分别提升了8%和17.4%;对仅有相对距离测量的无人机节点,与DMV相比,95%概率的定位精度提升了12.8%,SCIF方法无法优化定位;3.针对集群融合定位计算复杂度高导致快速定位难,首先基于贝叶斯网络构建了面向低成本无人机集群的多源融合定位模型,保证高精度定位;针对基于贝叶斯网络的融合定位计算复杂度随时间增长、分布式计算通信资源开销大等问题,提出了基于分布式矩阵分解的状态更新方法,降低了通信量和计算复杂度;建立了基于类条件数变化率的动态时间窗融合定位方法,优化融合定位计算复杂度,实现快速融合定位。仿真结果表明:本文方法与固定时间窗和AprilSAM方法相比,计算时间分别降低了 36.1%和21.5%,均方根定位精度相当;4.基于嵌入式硬件与机器人操作系统,设计了多源融合定位终端,对本文提出的方法进行了工程实践与试验验证,室外环境下集群定位试验结果表明:基于BDS/IMU/磁力计/UWB/气压计/激光测高的集群融合均方根定位精度优于0.35米,可满足无人机集群应用需求。