惯性导航技术的迅速发展,要求惯导平台的精度也越来越高。由于加工水平和制造工艺的限制,仅仅依靠提高陀螺及加速度计等惯性元件的精度来提高整个惯导系统精度的代价越来越大。相比而言,在对惯导平台各类误差源辨识的基础上进行系统级辨识,则是一种更为经济有效的途径。本文对惯导平台漂移误差系数模型的辨识做了深入研究。基于某特定型号的惯导平台结构,对惯导平台的误差漂移运动进行了建模。由陀螺、加速度计等分立的惯性元件误差模型以及惯导平台的稳定机理,推导出了比较完整的惯导平台漂移误差模型。在此基础上,以各参数作为系统的状态变量,获得系统的状态方程和观测方程。这样,对模型参数的辨识问题就转化为对系统状态的估计问题来求解。由于系统的状态方程和观测方程为非线性方程,为了应用扩展卡尔曼滤波方法来辨识平台模型参数,首先对系统模型进行线性化、离散化。而后本文给出了扩展卡尔曼滤波的递推算法。以往对惯导平台的漂移误差模型的辨识偏重于陀螺的零次和一次项漂移误差系数,针对其实验位置选取不当和在一个重力加速度情况下不可能激励起陀螺的高次项误差系数。为了辨识出这些高次项误差系数,本文采用线振动方法并且将系统输出灵敏度的思想引入到惯导平台的漂移误差参数辨识中。仿真结果表明,本文所提出的方案能够获得较好的辨识效果,具有可行性。