MEMS陀螺随机误差是制约器件精度重要因素,也是微惯性导航系统的主要误差源。针对MEMS陀螺随机误差具有非确定性、时变性,以及难以采用精确数学模型进行补偿的问题,提出一种基于遗传算法(Genetic Algorithm,GA)与小波神经网络(Wavelet Neural Network,WNN)相结合的MEMS陀螺随机误差补偿方案。利用小波函数作为网络中隐含层的激励函数,使得小波变换在时频域内既可对信号局部特征进行描述又兼顾神经网络所具有的自主学习和自适应等优点。通过结合遗传算法的全局性寻优特点可弥补小波函数的局部分析特性,将两者进行统一,进而得到具有全局寻优并兼顾局部寻优特点的一种学习训练方法。采用实验室现有的MEMS陀螺进行实验,将静态环境下的MEMS陀螺仪输出作为数据样本,对数据样本进行预处理,然后分别利用WNN和GA-WNN方法对MEMS陀螺仪随机误差开展预测。实验结果表明,GA-WNN方法不仅具有小波变换的局部分析特性和神经网络自主学习、自适应能力,而且还兼顾遗传算法的全局寻优性、适应性和鲁棒性,使得网络收敛速度快且预测更加准确,弥补了单一WNN方法存在的不足。