小波具有多分辨率分析特性，利用小波阈值去噪可以有效地处理MEMS陀螺信号的噪声。针对常用阈值小波去噪方法的不足，提出了一种改进的小波阈值方法。详细介绍了该方法的原理与实现过程，并将其应用到MEMS陀螺信号处理过程中。使用db4小波，应用不同的阂值函数对MEMS陀螺信号进行4尺度分解。仿真实验分析比较表明，改进的小波闽值方法可以有效地剔除信号中的噪声，抑制了MEMS陀螺仪的随机漂移；与现有的阈值方法相比，信噪比提高了18．3％。

为了能有效地补偿MEMS（微电子机械系统）陀螺仪的随机漂移，提高载体姿态估计的精度，基于小波理论与多尺度分析方法，使用db4小波，将MEMS陀螺仪随机漂移进行深度为4的多尺度分解，得到5组小波系数。根据分解后的各尺度系数进行信号重建，得到5组多尺度陀螺仪漂移数据。对重建后的各尺度漂移数据进行时间序列建模，可以得到MEMS陀螺仪随机漂移的多尺度时间序列模型．在多尺度时间序列模型的基础之上，建立多尺度离散系统的系统模型，使用卡尔曼滤波方法，对个尺度陀螺随机噪声进行滤波，可以有效地滤除MEMS陀螺仪的随机漂移。试验结果表明本方法能有效降低信噪比。

介绍了基于时间序列分析的陀螺仪随机误差模型的建立,并对误差模型进行滤波补偿的方法.主要是利用eviews软件将陀螺仪随机漂移数据进行平稳化处理,然后对处理后的时间序列进行模型的识别与定阶,最后结合kalman滤波方法对建立随机误差模型滤波补偿.实验结果表明,该方法建立的模型很好地反映了陀螺仪随机漂移的趋势,并有效地抑制了陀螺仪的随机噪声,提高了其输出精度.