随着无人机技术爆发式的发展，作为无人机关键技术之一的精确测姿显得尤为重要，当前主流测姿方式是以惯导系统和磁传感器为主，但该方式在大机动、混沌飞行状态等恶劣环境下，测姿系统跟踪性能减弱甚至发生坠机的危险，所以本课题在横向项目的牵引下，针对恶劣环境下设计了一套实用性强、稳定性高的航姿测量系统。　　本课题开展了以下工作:分析了无人机在飞行过程中存在的运动特性，根据所选取的惯性传感器、磁力计和GPS全球定位系统的误差特性建立输出模型，为多种物理信息进行融合设计作铺垫。针对无人机的运动特性及选取的传感器，设计了基于互补滤波和卡尔曼滤波的姿态测量算法。该算法改进了传统互补滤波不适用于高动态环境和传统卡尔曼滤波不能准确快速测量航向角的缺陷，同时综合了两者的简洁性与超强跟踪性。硬件平台是算法实现的基础，本课题依据项目需求，搭建了DSP+FPGA为核心处理器的硬件平台，实现了传感器数据的高速采集存储，以及解算数据实时的发送与存储。通过轨迹发生器依据无人机运动学进行了飞行仿真实验并进行了半物理仿真实验，分别用转台模拟机载环境的大幅度摇摆实验和室外颠簸环境下的车载实验。最终实验证明，该系统在两种环境下都可以保持较高精度的输出，符合项目所需指标要求。本文的主要贡献为，基于MEMS的传感器，提出一种融合卡尔曼与互补滤波的姿态测量算法。　　从文章总体结构上分析，本文阐述了该课题开展的意义及研究背景，描述了航姿系统在如今科技时代中举足轻重的作用;简要介绍惯性导航的基础原理，并分析了MEMS传感器的误差模型同时建立了卡尔曼滤波模型，通过分析互补滤波和卡尔曼滤波的基本原理和特点，提出一种基于互补滤波和卡尔曼滤波的融合算法。通过高精度三轴转台和高精度动态定位定向系统对航姿系统进行了精度考核，验证了航姿系统的实用性和可靠性。