为了实时检测无人机的异常状态，提出了一种基于隐马尔可夫模型（隐马尔可夫模型，HMM）和决策树（Decision　TreeDT）的无人机异常检测方法（HMMDT）。首先，根据异常产生的原因，将无人机异常分为干扰异常和硬件异常。然后，结合HMM和DT建立了无人机异常检测模型，定义了无人机异常程度来衡量异常状态的严重程度，并确定其阈值作为异常分类标准。最后用无人机经纬度600pro对实际运行进行了验证。该方法的异常检测召回率为92.9%，准确率为97.2%，硬件异常识别准确率为88.2%。结果表明，与传统的异常检测方法相比，该方法能够满足无人机实时异常检测的需要，具有较高的检测精度和较低的时间复杂度。