近年来,随着计算机科学和无人机技术的进步,固定翼无人机凭借飞行速度快、航程距离远、巡航面积大的特点,在边境巡逻、战术侦察、灾情监视等领域发挥着重要作用,对于无人机的飞行过程,姿态解算是整个飞控系统中不可或缺的重要一步。针对Mahony互补滤波和Madgwick梯度下降法各自使用时准确度低、稳定性差的问题,本文在扩展卡尔曼滤波的基础上,对融合了 Mahony互补滤波和动态梯度下降法后解算姿态角的精度和稳定性进行了分析和论证,有效降低了扩展卡尔曼滤波的线性化误差,提高了固定翼无人机姿态解算过程的环境适应能力。主要的研究内容包括:（1）针对无人机惯导单元传感器数据在姿态解算过程中受强烈振动、磁干扰等影响产生传感器噪声,可能造成解算角度发散的问题,对比和分析了不同的数据降噪方法。对无人机惯导单元传感器数据从基于傅里叶变换和小波变换的两个维度,使用5种滤波方法分别进行了实验分析。最终选择降噪效果最佳的小波包阈值降噪方法对传感器数据集进行预处理,有效降低了传感器噪声干扰,增加了姿态角解算的准确性。（2）针对单一姿态解算方法使用时准确度低、稳定性差的问题,无法满足固定翼无人机解算高精度、强鲁棒性的要求,提出了融合动态梯度下降法和扩展卡尔曼滤波的姿态解算方法、融合互补滤波和扩展卡尔曼滤波的姿态解算方法。前者通过构造梯度函数,使加速度计能够测量出最优的姿态四元数,并将最优姿态四元数代入状态更新方程中用于下一时刻姿态四元数的估计,从而提高了解算精度;后者通过对陀螺仪的输出角速度进行PI补偿,将补偿后的角速度作为时间预测方程组雅克比矩阵的一部分参与运算,能够解算出更加准确的姿态角。动态测试表明,分别加入了动态梯度下降法和Mahony互补滤波后的融合算法后验均方根误差,相较于单独使用扩展卡尔曼滤波算法分别降低了 35%和31%,能够有效提高解算精度,改善扩展卡尔曼滤波解算时的线性化误差问题。（3）针对以上两种融合算法只能针对无人机惯导单元单一传感器进行误差补偿,改善解算能力有限的问题,提出了一种基于阈值法优化改进扩展卡尔曼滤波的固定翼无人机姿态解算方法。阈值改进方法在扩展卡尔曼滤波的基础上融合动态梯度下降法和Mahony互补滤波两种算法,可根据陀螺仪和加速度计的数值偏差构造阈值,分别控制算法切换和噪声协方差自适应调整。在姿态角变化剧烈时,使用阈值改进方法完成姿态解算,在姿态角稳定不变时,使用标准扩展卡尔曼滤波算法完成解算。实验结果表明:该方法可有效减小解算过程的动态干扰和线性化误差,解算结果稳定性更高。与单一姿态解算方法以及分别引入互补滤波和梯度下降法的融合解算方法相比,基于阈值法优化改进扩展卡尔曼滤波的姿态解算方法动态均方根误差最小。静态姿态角误差小于0.6°,动态姿态角后验均方误差均值仅为0.01,解算精度均优于其他算法,特别是在姿态角度变化较大的时间点,解算过程更加稳定和准确。