题目：MEMS惯性传感器误差建模补偿与航姿解算算法研究

微机械惯性测量系统由于其体积小、成本低、可靠性好和功耗低等一系列传统惯性仪表无法比拟的优点，成为目前导航制导领域研究的热点之一。其中，微机械陀螺仪和加速度计等惯性传感器为微惯性测量系统的核心测量元件，为了有效地提高航姿测量精度，需要对微机械惯性传感器的精度和航姿解算算法进行研究。本文针对微机械惯性传感器精度较低、受环境（温度、振动等）影响较大的问题，进行了大量的实验工作和算法研究工作，提高其测量精度及抗环境干扰能力；同时针对航姿解算算法进行了一系列的研究，并进行了有效的实验验证工作。本文的主要工作包括以下内容：1）针对微机械陀螺仪的随机误差，采用小波多尺度分析的方法，有效地降低了传统时间序列方法建模误差较大的问题；在此基础上采用模糊控制对传统的卡尔曼滤波器进行优化，提高了随机误差的滤波效果；同时采用Allan方差对随机误差进行定量分析，验证滤波方法的有效性，从而有效提高微机械陀螺仪精度。2）针对微机械陀螺仪的温度误差，采用径向基神经网络对其进行建模补偿，降低温度对微机械陀螺仪各参数的影响；同时针对径向基神经网络构建无规律的问题，采用递阶遗传算法对网络结构和参数进行优化，提高微机械陀螺仪抗干扰能力。3）针对微机械加速度计的随机误差，采用多尺度模糊自适应卡尔曼滤波对加速度计信号进行滤波，从而降低随机误差影响；针对其温度误差，采用径向基网络对其输出信号建模补偿；同时，针对微机械加速度计受振动影响较大的问题，采用了减振措施，有效降低了振动对输出信号的影响。从而有效提高了微机械加速度计的测量精度和抗干扰能力。4）针对捷联算法误差累积的问题，研究基于扩展卡尔曼滤波器的捷联双矢量算法，同时利用六自由度转台模拟无人定翼飞行器运动，验证了基于扩展卡尔曼滤波器的捷联双矢量算法的有效性，最终有效地提高了航姿解算精度。