无人机正逐渐向着微型化、集成化、智能化、成本低、功耗低的方向发展,从而使其在军事和民用领域应用越来越广泛。由于微小型无人机的结构特点,其在空中飞行时,飞行稳定性很容易受到气流和风速等因素影响,因此为了保证微小型无人机的飞行稳定性,性能良好的飞控系统是关键保障。通常采用以无人机的姿态信息作为反馈信息的姿态稳定回路来控制无人机的稳定性,因此,具有一套性能良好的姿态测量系统是微小型无人机能够稳定飞行的必要条件。随着技术的不断发展,MEMS逐渐被应用到导航领域。其低成本、低功耗、微型化的特点使得惯性系统更加小型化,尤其是MEMS-IMU技术的发展,逐渐将传感与信息处理集于一体,使得惯性系统向着集成化、微型化、智能化的方向发展。这使得惯性系统的应用越来越广泛。本文主要对MEMS-IMU在GPS辅助下的组合姿态测量系统进行研究。首先,介绍了课题的研究背景与意义,综述了无人机技术、MEMS技术、导航技术和无人机姿态测量技术的发展;简单介绍了姿态测量系统的理论知识,包括常用的坐标系及相应变换,Kalman滤波和基于指数渐消因子的自适应Kalman滤波算法。其次,给出了姿态测量方案,通过对姿态四元数的最优估计来实现姿态测量,应用加速度计和磁强计作为观测器实现融合滤波。给出了求取精确重力场的方案并介绍了应用GPS求解机体运动加速度的方法。给出了系统初始对准的方案,实现对准与姿态更新同步进行。再次,针对MEMS惯性传感器的性能,对其进行了误差分析与补偿,对MEMS陀螺仪和加速度计进行了建模与标定试验。应用Allan方差法对MEMS陀螺随机误差进行了辨识,并进行了试验分析。通过对MEMS陀螺的随机漂移进行了 ARMA建模,并应用基于指数渐消因子的自适应Kalman滤波算法对其进行了补偿。然后对GPS定位和测速原理进行了简单介绍,重点给出了应用GPS测量载体运动加速度的原理,并通过基于指数渐消因子的自适应卡尔曼滤波算法对运动加速度进行了最优估计,为系统基于加速度计求取准确的重力场奠定基础。最后,给出了微小型无人机姿态测量系统的具体软件实现方案,通过建立系统的数学模型,利用MATLAB软件进行了仿真实验,对比了纯MIMU测姿和MIMU/GPS组合测姿在常规卡尔曼滤波算法和在基于指数渐消因子的自适应Kalman滤波算法下的滤波效果,并进行了相应的分析。