惯性测量单元是利用惯性传感器测量、感知载体运动的设备,是国防、航空航天等领域的核心部件之一。随着微机电技术的发展,小型化和低功耗成为了惯性传感器的发展方向,这使实现基于惯性测量单元的便携式设备的研发成为了可能。惯性测量单元的性能取决于最终姿态角解算精度,影响其精度的因素有:姿态角的更新频率;惯性传感器普遍存在的随机误差,其中最重要的便是零位漂移误差。因此,为提高惯性测量单元(Inertial Measurement Unit,IMU)性能,需要设计一种具有快速处理能力的嵌入式硬件平台,并在此平台上根据零位误差特性进行有效零偏抑制和零位补偿。本文首先论证使用数字信号处理器(Digital Signal Processor,DSP)和现场可编程门阵列(Field-Programmable Gate Array,FPGA)共同作为惯性传感器测量系统处理器的优势,对DSP、FPGA、惯性传感器、串口芯片等主要芯片选型,使用Altium Designer根据各芯片的封装信息绘制印制电路板(Printed Circuit Board,PCB)版图。构建了FPGA与DSP间的数据通信架构,在FPGA内实现了本课题所需的SPI、FIFO和串口等功能,配置了DSP内部所需的资源模块,通过硬件在线调试和串口调试均采集到了惯性传感器的原始数据。其次根据惯性传感器的零位误差特征,提出了零偏抑制算法模型。在该模型中,将原始信号进行小波分解,此过程将时序信息分析问题转换为频域分析问题,根据陀螺信号特点进行软阈值处理滤除高频信息,进行小波重构后,得到粗滤波函数,进而对粗滤波数据进行最小二乘法拟合得到理想的零偏抑制数据。通过高低常温实验得到的数据表明,三个轴向的陀螺零位数据经过本课题提出的零偏抑制算法后与原始数据相比,稳定性均提高了40%左右。最后,由于零偏抑制后的传感器零位还会随环境温度、运行时间的变化而发生非线性改变,为了达到更高精度的姿态解算,需要设计动态零位补偿算法。在第五章中,介绍了长短期记忆网络(Long Short-Term Memory,LSTM)神经网络模型的特点,建立了基于LSTM模型的陀螺动态零位补偿算法,用采集的不同温度不同运行时间下的零位数据作为学习量,训练该网络模型,并推导了函数体求解过程。通过变温下有无零位补偿算法导致解算航向角误差对比实验,得到的数据表明经过零位补偿算法解算后,航向角准确度可以提高9.4个百分点、航向角稳定性能够提高一个数量级;通过常温三轴转台运动下有无零位补偿算法导致解算姿态角误差对比实验,得到数据表明经过零位补偿算法解算后,三种姿态角的解算误差从每小时平均漂移7.65°降低到1.39°。