目前，无人机着陆导引普遍采用全球定位系统（GPS）与其它机载导航系统（如惯导系统）相组合，通过多传感器信息融合技术，实现无人机的导引着陆。然而，GPS作为机载主动定位系统，其信号极易受到外部环境的遮挡与干扰，造成GPS信号丢失。此外，由于卫星信号的阻塞，GPS卫星较差的空间几何分布以及多径效应，引发GPS定位精度下降，致使导引系统无法获取正确的着陆参数，进而威胁到无人机的着陆安全。　　为提高中大型无人机着陆的可靠性、安全性，针对上述问题，提出一种基于多传感器信息融合的无人机增强式主、被动复合导引着陆方法。该方法通过充分利用惯导系统、GPS系统、视觉系统等机载传感器，构建无人机主、被动复合导引着陆信息融合系统，并建立融合系统的状态估计方程。对于系统中存在的线性方程状态估计问题，采用卡尔曼滤波（KF）算法进行处理，而对于系统中存在的非线性非高斯分布的状态估计问题，提出一种自适应混合粒子滤波（adaptive mixed particles filtering-AMPF）算法进行处理。为验证所提方法、算法的有效性，构建了基于多传感器信息融合的无人机主、被动复合导引着陆半物理仿真系统。实验结果表明主、被动复合导引融合系统与单一导引着陆方式相比具有较好的容错能力和输出精度，视觉被动导引着陆方式的引入，提高了无人机着陆的自主性、安全性，AMPF算法与粒子滤波算法、扩展卡尔曼滤波算法相比，可提高具有非线性非高斯分布的融合系统状态估计的精度与速度。　　在基于多传感器信息融合的无人机增强式主、被动复合导引着陆方法研究过程中，所开展的主要工作及创新性研究工作包括：　　1)构建了基于多传感器信息融合的无人机增强式主、被动复合导引方法在分析了常用机载传感器（惯导系统、视觉系统以及GPS系统等）特点的基础上，建立了传感器系统信息获取的数学模型。根据传感器信息获取方式的不同，分别构建由惯导系统与GPS系统组成的主动导引系统，由惯导系统与基于自然特征的视觉系统组成的被动导引系统。通过分析主、被动导引方式的特点，充分利用其互补性，提出了基于多传感器信息融合的无人机主、被动复合导引方法。该方法引入了机器视觉，提高了无人机着陆的自主性。　　2)针对被动导引非线性系统的状态估计问题，提出一种自适应混合粒子滤波算法　　对惯导系统与视觉系统构建的非线性融合系统，采用非参数化的粒子滤波算法，进行状态估计。为避免普通粒子滤波算法采用状态转移概率密度构建重要性密度，导致视觉最新量测信息在非线性系统状态估计过程中无法得到利用，致使状态估计误差变大的现象发生，提出一种自适应混合粒子滤波AMPF算法。该算法通过选取状态转移概率密度与似然概率密度共同组建重要性密度，使得被动导引融合系统中视觉量测信息得到充分利用，混合粒子与自适应系数的使用，改善了粒子滤波中出现的粒子退化与贫化现象，实现了粒子滤波算法的并行式解算，进而提高粒子滤波的速度与精度。实验结果表明AMPF算法可有效解决非线性系统状态估计的问题。　　3)提出了基于多传感器的无人机主、被动复合导引信息融合方法　　依据主、被动复合导引方案，提出了一种无人机主、被动复合导引融合系统结构。在该结构基础上，通过小角度近似，建立了由惯导系统与GPS系统组成的主动导引融合系统线性方程，同时，建立了由惯导系统与视觉系统组成的被动导引融合系统非线性方程。根据复合导引系统结构特点，提出一种基于归一化加权系数信息分配方法，进而提高了复合导引信息输出的精度，同时增强了融合系统的自我容错能力。此外，采用变步长方法，解决了融合系统中存在的多速率信息同步问题。仿真结果表明，复合导引融合系统在GPS或视觉系统故障下，仍可确保无人机安全着陆，具有较好的输出精度与容错能力。　　4)根据主、被动复合导引着陆的特点，提出一种基于多传感器信息融合的无人机着陆半物理仿真验证方法　　在对无人机主、被动复合导引着陆方法研究的基础上，利用GPS模拟技术、RTX实时仿真技术与虚拟现实技术，分别设计并构建了基于INS与GPS的主动导引着陆半物理仿真系统、基于INS与视觉系统的被动导引着陆半物理仿真系统。在此基础上，依据主、被动复合导引融合系统的特点，构建了基于多传感器信息融合的无人机着陆半物理仿真系统，在室内实现了对无人机在外场环境下主、被动复合导引着陆过程的模拟，实验结果表明复合导引融合系统在容错能力和估计精度方面均优于单一导引方式，验证了上述所提算法、方法的有效性。