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。

车载环境下由于微机械加速度计自身特点和受到车辆振动、电磁干扰等原因,其真实加速度信号往往受到严重的干扰,给数据分析带来很大困难.针对此种情况,结合对车载加速度计输出信号的分析假设了一种加速度信号,同时用真实的加速度计输出噪声作为干扰叠加在假设信号上,以信号的统计指标作为去噪效果的评价标准选择了合适的小波基,并据此对实际信号进行去噪处理证明小波去噪方法非常适合于此类受到严重干扰的测量信号的去噪处理,去噪效果良好,且计算分析简便.