MEMS陀螺仪具有微型化、重量轻、成本低、稳定性强、集成化程度高等优点。受现有器件加工制造水平限制,MEMS陀螺仪测量精度相对较低,只能应用于低端导航领域,对影响MEMS陀螺仪精度的误差源进行分析是解决这一问题有效途径。针对随机漂移误差是影响MEMS陀螺仪精度主要因素,论文围绕MEMS陀螺仪随机漂移误差补偿模型展开研究。提出基于时间序列Kalman滤波建模方法,对MEMS陀螺仪随机漂移数据进行均值化、异常值剔除、趋势项提取及模型识别参数估计后,建立Kalman滤波补偿方程进行滤波处理;相比较传统的基于时间序列建模方法不足,提出一种小波阈值去噪和RBF网络相结合的MEMS陀螺随机误差补偿方法;利用小波阈值去噪分离MEMS陀螺仪随机漂移,分离后的随机漂移采用径向基神经网络进行自组织学习和预测,对MEMS陀螺仪随机漂移进行补偿;Allan方差对比分析结果表明,小波神经网络建模方法优于基于时间序列的Kalman滤波建模方法。