近年来,随着智能机器人技术的迅猛发展,微型化的无人机已经融入人们的日常生活。状态估计是支持无人机智能应用的关键技术之一。目前,以光学传感为主的室内微型无人机状态估计依然面临着环境多样性的挑战,易受到光照、纹理、烟雾等环境因素的干扰。为此,本论文提出以无线信号为环境感知媒介的新型轻量级状态估计技术。较大波长的无线信号能够绕射、反射、穿透障碍物,不受光学条件限制,能提高状态估计的鲁棒性。融合无线信号感知的微型无人机状态估计面临着三个关键性难题:标定初始化开销大、感知范围有限、感知精度不足。针对以上问题,本论文深入研究无线信号感知与惯性导航融合的微型无人机状态估计技术,提出了低开销方案、远距离方案和超精度方案,并通过原型系统验证了所提方案的性能优势。本论文的主要研究成果如下:1、针对无线定位需要特殊设备并预先标定初始化开销大的难题,开展了多载波信号感知与惯性导航融合的状态估计技术研究。提出了一种无需初始化无人机状态,也无需事先标定环境中无线接入点的位置,可在未知环境利用现有基础设施（如Wi Fi）立即部署的低开销状态估计的技术。核心思想是利用无线信号到达角（Angle-of-Arrival,Ao A）以及无人机运动的空间约束来矫正IMU的漂移;利用IMU的短期测量降低Ao A算法复杂度,保障算法实时性并估计无人机航向。进一步,设计了融合Ao A与IMU测量的线性模型,计算无人机状态。实验结果表明:所提方案定位误差为61.7厘米,航姿估计误差为0.92°,无线接入点的定位误差为53.4厘米。2、针对无线信号感知距离有限导致状态估计能力受限的难题,开展了Chirp信号感知与惯性导航融合的状态估计技术研究。提出了一种无需改变商用无人机的结构或内部硬件,仅需在四旋翼无人机的起落架上分别安装一个啁啾扩频（Chirp Spread Spectrum,CSS）射频标签,通过解析淹没于噪声的信号特征实现远距离/可穿墙的状态估计技术。所提方案设计了一种基于CSS信号的姿态感知算法,以实现远距离或复杂室内环境下的定位与定向。进一步,设计了一种Chirp信号感知与IMU融合的状态估计算法。系统实验是通过对商用微型无人机进行编程,依靠计算的状态,使无人机沿着预设轨迹自动飞行。实验结果表明:所提方案支持室外50米范围内或室内穿越三堵墙,定位精度为34厘米,定向精度为4.99°,性能优于室外全球卫星定位系统（Global Positioning System,GPS）的商用方案。3、针对较大波长无线信号的低分辨率引起的估计精度不足,而光学传感方案又无法应对黑暗、弱纹理环境的难题,开展了超宽带信号感知与惯性导航融合的状态估计技术研究。提出了一种克服了弱纹理的挑战,在弱纹理场景中达到厘米级精度的状态估计技术。所提方案设计了三个模块:1)基于无线测量的视觉筛选算法,建立无线测量到视觉特征的映射,以筛选最佳的视觉特征;2)无线测量的偏置量估计算法,用经过筛选的视觉特征反向估计无线信号的测量偏置,以提高准确性;3)基于无线-视觉-IMU的多源融合算法,利用IMU来应对偶尔出现的视觉里程缺失。实验结果表明:所提方案能够鲁棒的工作在弱纹理环境中,精度是最先进单目视觉方案的10倍。本论文针对微型无人机所需的轻量级状态估计,设计了融合无线感知的低开销方案、远距离方案和超精度方案,互补于现有的光学传感方案,将无线信号作为一种新的轻量级传感方式,支持微型无人机的状态估计。通过原型系统验证了所提方案的有效性与性能优势,为提高微型无人机状态估计的鲁棒性提供了理论基础与技术支撑。