姿态估计在军事、航空航天、无人机控制、虚拟现实、增强现实、机器人控制、人体姿态测量等中,都有着重要的应用。近年来,微电子机械系统(Micro Electro Mechanical System,MEMS)技术逐渐成熟,基于MEMS技术的惯性传感器(Inertial Measurement Unit,IMU,包含三轴陀螺仪、加速度计和磁力计)性能越来越高,而且由于其价格低,体积小,重量轻等优点,使得MEMS惯性传感器姿态估计的应用范围越来越广泛。在积分陀螺仪输出进行姿态估计时,由于MEMS陀螺仪存在观测噪声大和零偏不稳定的问题,长时间情况下会产生姿态漂移。加速计观测可以对水平姿态(滚动角和俯仰角)进行校正,但是在外力干扰加速度的影响下,加速度计观测不能直接用来校正水平姿态。磁力计观测可以用来校正航向角,但易受载体自身及环境磁场的干扰,需要标校后才能用于校正陀螺仪姿态。本文开展了低成本惯性姿态估计的关键技术研究。具体研究内容包括:研究了融合陀螺仪、加速度计和磁力计信息进行姿态估计的误差状态卡尔曼滤波算法,通过数值仿真考察了该算法的有效性;采用基于最大似然估计方法实现了磁力计校正;在前人一阶自回归模型(Autoregressive model,AR)干扰加速度抑制方法的基础上,从频域匹配的角度提出了一种基于二阶AR模型的干扰加速度预测及补偿方法,并将该方法与阈值方法相结合,提高了陀螺仪姿态估计精度。通过Xsens MTi-G700实测数据测试,验证了本文方法的有效性。