MEMS航姿参考系统主要是由微惯性测量单元，三轴磁强计和嵌入式处理器所组成，惯性测量单元，以及磁强计向嵌入式处理器输出测量数据，处理器依据姿态解算算法对数据进行计算，解算出载体的当前的姿态信息。如今，MEMS技术日益成熟，由于其具有体积小，功耗低，成本低等优点，已经广泛应用于民用和军用领域。磁强计是MEMS航姿参考系统中的重要组成部分，其主要的作用是输出地磁场信息，参与系统的姿态解算，其精度直接影响到航姿参考系统的精度。由于地球磁场分量数值比较小，而磁强计又容易受周边磁场变化的影响，从而其误差会影响融合信息的准确性。本文基于航姿参考系统中磁误差分析和误差模型，提出了基于最小二乘算法的差分进化算法和BP神经网络算法，用于磁强计的标定校准。与传统方法相比，该方法无需借助相关的校准仪器，利用有效的大量数据通过迭代和学习求得泊松模型参数。通过三种算法的对比试验验证可知，遗传算法和BP神经网络算法明显优于传统的算法，使航姿参考系统的精度得到进一步提高。微机械陀螺是航姿参考系统的关键器件，通过利用其所输出的角速度计算当前载体的姿态角。在动态情况下，随机噪声的累加会造成陀螺的输出误差的累加，从而影响系统的精度。本文提出将小波分析和快速小波变换应用于陀螺仪的随机误差消除，并通过实验验证了该方法的有效性，为陀螺动态误差补偿提供了新思路。