传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声，而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法，利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题，该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声，再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明，该方法能够有效提高IMU误差参数辨识的准确性，1 h的动态导航位置误差相对减少约10%。

捷联惯导系统的精度受到自身各种误差因素的影响, 需在使用之前进行精确地标定和补偿。为了更加有效地标定误差, 设计了一种10位置系统级标定的方法。利用简化的误差模型和速度误差变化率方程, 建立了所有误差参数与导航误差之间的线性关系。通过设计的10位置连续旋转方案对由各项误差参数引起的速度误差进行充分激励, 利用所得数据进行卡尔曼滤波, 计算出包括陀螺仪和加速度计的零偏、标度因数误差、安装误差以及加速度计二次项误差等24个误差参数。仿真得到陀螺零偏误差优于0.000 75(°)/h, 加速度计零偏误差优于5 ?滋g, 陀螺和加速度计的安装角误差优于1.5″, 标度因数误差优于2 ppm(1 ppm=10-6)系统, 加速度计二次项误差优于0.15×10-6 s2/m。另通过3组实验验证了重复性, 证明了该方法确实有效。

分析了系统级标定的研究现状，建立了惯导系统误差模型。额外考虑加速度计二次项误差系数与内杆臂参数对系统的影响，提出了一种36维Kalman滤波系统级标定方法。设计了合适的标定路径，建立了Kalman滤波模型。仿真及实验结果表明，激光陀螺和加速度计零偏估计精度分别优于0.001(°)/h和9 μg，标度因数误差估计精度分别优于3 ppm(1 ppm=10^-6)和2 ppm，安装误差角估计精度分别优于1″和3″，二次项误差系数估计精度优于4×10^-10 s²/m，内杆臂参数估计精度优于3 mm，满足高精度惯导系统的标定要求。

在惯组系统级标定过程中, 由于系统模型尤其是噪声统计特性的不确定性, 常常造成较大的估计误差, 严重时甚至导致滤波器发散。针对此问题, 采用Two-Stage滤波思想, 研究随机噪声干扰下系统不确定性偏差的最优滤波器设计(OTSKF), 并在此基础上提出一种基于最优TSKF算法的快速次优滤波算法。理论分析表明该算法具有较小的运算量、良好的收敛性及抗扰动性。最后, 将该算法应用于惯组系统级标定, 通过一组自动化标定方案, 实现了惯组的在线标定, 实验结果验证了该算法的有效性。