航向姿态参考系统(Attitude and heading reference system,AHRS)是惯性导航系统的重要组成部分,同时也是自动驾驶汽车、智能交通的关键技术。基于MARG(Magnetic,Angular Rate,and Gravity)传感器的姿态测量系统由于其低成本、小体积等优点受到了广泛关注,它主要由基于MEMS(Micro Electro Mechanical System)的三轴陀螺仪,加速度计和磁强计构成。该系统有两种解算姿态的途径,一是基于陀螺仪测量的角速度进行积分运算,二是通过加速度计和磁强计信号直接计算获得。前者经过长时间的积分运算后会含有大量的累积误差,后者虽不会产生积分误差,但加速度计容易受到线性加速度干扰,磁强计易受到周围环境的软硬磁干扰,使姿态解算结果不准确。而车辆在行驶过程中,线性加速度干扰时刻存在,如何减少线性加速度的干扰,是本文研究的主要问题。此外,针对两种测量信息的融合,实现更高精度的姿态测量,也是本文研究的主要问题。针对载体车辆对磁强计的磁场干扰,使用椭球拟合法对磁强计进行重新校准。通过分析重力分量和线性加速度的频域特性差异,设计巴特沃斯低通滤波器来滤除加速度计信号中高频部分的线性加速度,并采用正反滤波法来解决低通滤波器的相位延时。使用里程计和陀螺仪,判断车辆运动状态,以及实现对线性加速度的低频分量的估计和剔除。实验数据表明,经过上述处理后,线性加速度得到了有效地滤除,处理后的加速度计信号接近于真实的重力分量。基于惯性导航系统误差方程设计卡尔曼滤波器,用于初始对准以及姿态解算过程中的信息融合。根据不同的车辆运动状态,以及相应的融合策略,观测噪声矩阵会做出相应的调整。仿真实验表明,相较于传统的判定方法,本文对车辆运动状态的判别以及姿态解算更为准确。为了验证姿态测量系统在车辆运动时姿态解算的可行性与可靠性,进行了动态车载实验。相比于使用原始的加速度计和磁强计信号计算姿态角,使用本文方法估算的重力分量以及低通滤波后的磁强计信号解算的姿态具有更高的精度,但误差仍然较大。而使用陀螺仪解算姿态虽然在短时间内精度较高,但一段时间后累积误差就会变得很大,无法用于长时间的姿态解算。通过自适应卡尔曼滤波,避开两种算法的缺点,实现最优融合,计算精度得到很大提高。以MTi传感器输出的姿态角为准确值,车辆行驶过程中三个姿态角的最大估计误差分别为1.38°、1.07° 和 1.33°。