二十一世纪新科技的发展日新月异,促进了微电子技术和微机械加工工艺水平的进步,在其推动下MEMS惯性传感器的发展突飞猛进,促使更多学者投入到了相关技术的研究中。以MEMS惯性传感器为主体的MIMU系统以其微型化、低成本、可批量生产、可靠性高等优点广泛应用于微型机器人、车载设备、智能移动通信设备、无人机等众多领域。特别是对于车载导航系统,MIMU系统的优点使该系统得到长足的发展。然而,由于MEMS惯性传感器的精度较低并且误差会逐渐积累,导致MIMU系统精度差,不能独立完成车载导航任务。通常情况下,为了弥补MIMU系统导航误差,采用GNSS对其进行补偿,以组成车载MIMU/GNSS组合导航系统。本文则是以车载MIMU/GNSS组合导航系统为应用背景,针对MEMS陀螺降噪及自适应线性信息融合方法展开深入研究。在保证车载组合导航系统稳定性的基础上,提高车载系统导航精度。本文在介绍了车载MIMU/GNSS组合导航系统的研究发展现状、基本原理与组合方式、经典信息融合算法的基础上,针对MEMS陀螺噪声影响车载系统导航精度的问题,对MEMS陀螺降噪技术展开深入研究:首先对MIMU器件误差进行分析,针对MIMU器件的随机误差,采用Allan方差与自回归过程进行误差特性辨识,并建立了 MEMS陀螺误差模型。再根据该误差模型,设计相应的MEMS陀螺降噪方案,减小随机误差,为后续章节的研究奠定坚实基础。在车载MIMU/GNSS组合导航系统融合算法研究过程中,文中针对采用传统卡尔曼滤波无法解决车载组合导航系统最优估计信息输出不稳定的问题,建立了基于改进观测状态方差R值的自适应卡尔曼滤波算法;在此基础上引进平方根滤波,提出一种基于平方根的自适应卡尔曼滤波(S-AKF)算法,该算法不仅可以解决信息融合过程中状态量计算误差的问题,还能够结合自适应卡尔曼滤波和平方根滤波的优点,提高车载MIMU/GNSS导航信息稳定性和系统精度。最后,利用XSENS公司生产的MTi-G微惯性传感器与卫星接收机进行了静态试验和车载动态试验:试验结果表明,相比于基于卡尔曼滤波的信息融合算法,基于S-AKF的车载组合导航算法可有效地对车辆行驶过程中的随机噪声进行补偿,同时降低了计算过程中的计算误差,在保证车载MIMU/GNSS组合导航系统稳定性的基础上,很好地提高车载导航系统的速度、位置和姿态误差。