光纤陀螺仪(Fiber-Optic Gyroscope,FOG)是光纤捷联惯导系统的核心器件,FOG的精度决定了光纤惯导系统的极限精度。由于弹光效应的存在,FOG易受外界振动干扰而产生输出误差。解决FOG振动问题的手段可分为硬件方法和软件方法两种,硬件方法主要为加装减振装置、光纤环加固胶、改进机械结构和采用多极对称绕法等手段,这是以增加体积和成本为代价的。相比硬件消除振动的方法,软件方法则具有更好的灵活性和效果。构成FOG的核心部件对温度较为敏感,当环境温度发生变化时,在陀螺的输出信号中将产生非互易性相位误差。消除FOG的振动误差和温漂误差是提高FOG精度的关键。初始对准是捷联解算的前提和基础,初始对准的精度是导航精度的重要组成部分。罗经精对准的收敛效率和对准精度是一对矛盾,需要合理设置对准参数来协调两者的关系。线性卡尔曼精对准由于FOG常值漂移的存在,水平失准角误差存在较为明显的漂移。大失准角或动基座条件下的粗对准具有强非线性,寻求高阶非线性滤波算法和相应的改进算法是解决问题的有效途径。本文围绕FOG振动误差处理、FOG温漂误差处理、基于罗经法和线性卡尔曼方法的精对准、基于高阶非线性滤波的大失准角粗对准等方面开展研究,主要的创新成果如下:1、针对FOG受振动干扰而产生的输出误差问题,提出一种改进掩膜经验模态分解(Empirical Mode Decomposition with masking signal,M-EMD)算法,通过改进算法对角振动和线振动干扰进行提取和补偿,达到消除振动误差的目的。针对传统M-EMD消除模态混叠的不足,分析并给出了最优掩膜信号的频率及其范围,利用粒子群算法(Particle Swarm Optimization,PSO)对掩膜信号的频率和幅值进行寻优。在振动信号分解的基础上,根据本征模态函数(Intrinic Mode Function,IMF)和原始振动信号之间的相关系数、IMF的均值等完成振动信号的提取和补偿。通过对周期振动信号的建模和预测,实现了周期性振动信号的实时补偿。2、针对单一温变速率下FOG的温度漂移误差的建模问题,提出了基于多参数的新型组合核函数的支持向量机(Support Vector Machine,SVM)建模算法,采用改进的粒子群算法(Particle Swarm Optimization,PSO)对参数进行寻优,进而获得高精度温漂模型。针对单一核函数回归精度低下的问题,提出了多参数的组合核函数。为了提高PSO算法的收敛效率和准确性,对惯性权重w进行了优化设计。实验结果表明,基于改进算法的FOG温漂模型较传统方法的模型具有更高的精度。3、针对多温变速率下的FOG温漂补偿问题,提出了基于改进EEMD(Ensemble Empirical Mode Decomposition,EEMD)算法的多尺度温漂补偿方法。首先使用改进的EEMD对光纤陀螺温漂数据进行多尺度分解,通过IMF的排列熵滤除噪声相关IMF;再通过对IMF的Hilbert瞬时频率均值的分析,确定多尺度模型的个数和划分方法。为了提高FOG温漂模型的精度,除了温度参数以外还增加了历史温漂数据作为SVM模型的特征属性参数,并用赤池信息量准则(Akaike Information Criterion,AIC)对历史数据的个数进行寻优。最后通过SVM对多尺度温漂数据进行补偿。4、针对罗经精对准的收敛效率和收敛精度不能兼顾的问题,引入指数形式的有限时变阻尼周期来提高精对准的快速性和收敛的精度。针对线性卡尔曼精对准水平失准角误差漂移问题,引入用失准角估计值全反馈实时修正姿态矩阵的反馈算法,以此解决水平失准角误差漂移问题,与此同时提高了对准的精度。针对粗对准结束后的失准角没有收敛到小角或粗对准失败情况下的精对准问题,引入自适应五阶容积卡尔曼(Cubature Kalman Filter,CKF)算法,通过利用当前时刻的新息计算反馈系数,改善了新息的反馈效率,提高了新息利用效率和滤波精度。5、针对大失准角的粗对准问题,提出了渐消自适应五阶CKF算法,通过渐消记忆指数加权来计算当前新息协方差矩阵的估计值,以此提高新息的利用效率和滤波精度。为了提高新息的反馈效率,利用渐消因子反馈系数对下一滤波周期的状态一步预测协方差阵进行整体修正,能够提高对准的收敛效率。在滤波进入收敛阶段后,针对由于渐消卡尔曼算法的过反馈而导致的振荡或发散问题,选择在方位失准角估计值的梯度最大处停止自适应反馈修正,以此保证算法的收敛性。FOG振动误差处理方法分别通过了振动台的角振动和线振动数据验证,实验表明了改进算法能够有效提取和补偿振动干扰。FOG温漂建模和多尺度补偿方法在温箱实验中得到了验证,建模精度和补偿效果均有提升。改进的精对准算法和粗对准算法分别在转台和车载实验中得到了验证,取得了较好的结果。