微机电系统(MEMS)器件因具有体积小、成本低、测量范围大、可靠性高等优点，作为先进的导航、制导构成部件被广泛应用于汽车工业、生物医学工程、航空航天、精密仪器、移动通信、国防科技等领域。然而，传统MEMS惯性器件也存在测量精度低、噪声大等缺点，限制了其在高精度要求环境中的应用；为了克服以上缺点一般采用的改进方法主要是：优化机械结构设计、提高电子线路的性能、以及屏蔽外部电磁干扰等；这类处理方法成本高、收效小。另一个有效途径是从应用的角度对MEMS器件和微惯性测量单元(MIMU)进行误差分析和补偿；主要以位置校正法及传统的滤波方法对其白噪声进行处理；这类方法精度低、处理过于简单。针对MEMS传感器在应用中的误差问题，本论文主要章节内容安排如下：　　 首先，为绪论。概述了基于MEMS传感器的测量系统的研究现状，全面分析了基于MEMS传感器的微型惯导技术及其与GPS组合的最新研究进展，对数据融合在微型惯性导航中的应用作了介绍，重点介绍了美国、德国、加拿大及中国在这方面研究的进展及特点，对传统的误差分析方法提出了改进意见，对数据融合理论在惯性系统中的应用进行了丰富，借助相关的仿真分析重点提出了HUPT混合滤波方法在基于MEMS的SINS/GPS组合导航中的应用设计方案，理论上分析了其在静、动态中的特性，表明了其在微惯性组合导航系统中的重要性及其研究意义。　　 其次，为MIMU随机误差分析。从MiMU的结构及基本工作原理出发，结合新型微机械惯性元件的特点建立了陀螺、加速度计的误差模型。对MEMS传感器的信号进行FFT分析、自相关函数分析、功率谱密度(PSD)分析。采用Allan方差法对传感器参数进行计算，为后面改进卡尔曼滤波器参数设置提供依据。　　 再次，基于Allan方差分析的结果，针对MEMS传感器在应用中其有色噪声会覆盖有效信号；根据PSD与Allan方差之间的关系确定出传感器随机误差的微分方程，建立统一的校正模型，根据统一的模型设计出SINS/GPS组合导航的新型卡尔曼滤波器。　　 然后，围绕MEMS传感器的应用，对多传感器测量系统进行研究，根据加速度计的运动状态采用专家系统对其进行状态判断，采用数据融合对其姿态角进行修正，之后采用神经网络辅助组合导航系统解决实际应用中GPS信号时常中断、系统误差瞬间增大等问题，接下来采用相同方法对磁罗盘的航向进行修正。　　 之后，围绕车载系统在运行中GPS信号丢失的问题，通过分析车载系统运行中的各种状态，提出HUPT混合滤波算法。根据车载系统运动特性采用零速检测方法确定车载体动态特性。根据动态特性的不同分别采用Unscented卡尔曼滤波及Unscented粒子滤波的方法对车载体进行精确定位处理。　　 最后，基于MEMS传感器设计了一种空间轨迹识别系统。通过轨迹识别系统上所安装的运动传感器及姿态传感器给出轨迹识别装置的运动轨迹，并将这种运动轨迹实时显示在电脑上以供后续对该轨迹进行识别，从而实现了精确的轨迹再现。