本文针对多无人机系统在GNSS信号退化、多路径效应、非视距接收、垂直漂移及有意干扰等复杂环境下，实时三维定位可靠性下降的问题，提出了一种去中心化、轻量级的3D位置精化层。该方法通过融合每架无人机自身的局部估计、邻居共享的状态摘要以及无人机间的距离或邻近约束，实现不确定性感知的邻域融合。具体而言，每架无人机根据自身协方差报告对先验赋予权重，并根据链路质量、测距不确定性和学习到的信任分数对邻居约束加权。为支持实际部署，框架显式处理了冷启动和临时定位丢失场景，通过膨胀或替代弱先验，使可信的邻域约束能够引导和稳定估计，直至绝对感知恢复。为减轻故障或恶意节点的影响，每架无人机应用基于时间平滑的局部距离一致性检查，对报告位置与观测距离不兼容的邻居降低权重或排除。模拟实验在包含10架无人机的3D空间中进行，结果表明所提精化层在冷启动期间显著降低平均定位误差，在局部估计稳定后保持竞争力，并在恶意节点比例增加时相比无信任的融合保持更低的误差。研究建议将该方法作为无人机群在挑战环境中的实用韧性层。