光纤陀螺 (FOG)温度漂移数据常常淹没在各种噪声背景中，直接补偿建模漂移信号十分困难，为了更好地消除混杂在光纤陀螺温漂数据中的噪声，提出了一种经验模态分解(EMD)和提升小波变换(LWT)相结合的 EMD-LWT滤波方法对光纤陀螺输出信号进行预处理。首先对光纤陀螺含噪信号进行 EMD分解，根据信息熵值判断本征模态函数(IMF)的噪声项和混合模态项，然后对噪声项进行 LWT去噪，混合模态项进行小波分析去噪。对某干涉型 FOG进行静态测试获得陀螺漂移数据，本文提出方法与小波变换和提升小波变换滤波方法进行了对比分析。实测数据计算结果表明，本文提出的 EMD-LWT滤波算法具有最好的滤波效果，经处理后重构信号的均方根误差 (RMSE)下降了 63%，有效地滤除了 FOG输出中的噪声。