近年来有学者将动态Allan方差引入惯性器件的随机信号处理中，实现了对随机信号误差的特性分析。但是由于动态Allan方差采用固定窗长的函数截取随机信号，导致信号动态跟踪效果与方差估计置信度不能同时兼顾。针对此问题，提出一种基于信息熵的自适应窗长动态Allan方差，首先用截断窗内信号的信息熵表征陀螺动态信号非平稳性，根据信号信息熵的大小自适应地选取下一时刻合适窗长，并对窗内信号进行Allan方差计算，通过实验仿真，证明了该改进方法的有效性，提高了对陀螺信号动态特性的分析能力。

时频谱分析可以提供信号在时间域和频率域的联合分布信息，针对该方法很难同时保证较高的时间分辨率和频率分辨率的问题，提出了一种时频聚集性很高的谱融合方法。先用谐波小波包将信号分解到不同频段，再用高时间分辨率的Morlet小波和高频率分辨率的短时傅里叶变换分别对各个频段上的分量进行分析，得到小波尺度矩阵和短时傅里叶变换时频矩阵，然后通过算法将二者融合在一个时频谱中。通过仿真和对动态条件下加速度计信号的分析，证明该算法既能提取出微弱的动态变化，又具有较高的时频分辨率，可以直观、全面、精确地对信号进行识别。

动态Allan方差（DAVAR）法是分析非平稳性信号的有效工具，窗函数选取固定使得在辨识噪声时存在功率泄漏和定量单一的缺陷。为此，提出了一种以σ2比值法（F值）为判据标准，自适应调整窗口长度的DAVAR改进算法。首先用F值反映随机信号的突变特征，进而根据实时变化的F值计算窗函数的长度，并且自动对信号进行截取，最终将所计算的DAVAR绘制在三维图形内。对实际采集的陀螺仪随机信号的分析表明，该方法能准确反映动态噪声的变化特征，保证实时的突变跟踪能力和良好的置信度，为研究在各种干扰因素下陀螺仪组成的IMU误差建模与补偿提供了理论参考和评价依据。

针对动态Allan方差运用固定长度的分析窗截取信号导致样本数据量减少, 长相关时间下方差估计值置信度降低, 首先, 针对动态信号跟踪能力与置信度的提高不能兼顾的问题提出了一种改进算法。引入截断窗内峭度值作为表征信号短时稳定度的参数, 并建立以峭度为变量的窗宽函数, 该函数可以使截断窗长随着信号的平稳程度自动变化。其次, 再用窗宽自适应的滑动窗分段截取陀螺随机误差, 分别对每个截断窗内样本进行总方差计算以增加方差估计的自由度。最后, 计算延伸后样本的Allan方差, 并将其以三维形式排列出来。结果表明: 应用该方法对光纤陀螺启动信号进行分析, 该算法既能更有效地跟踪信号的非平稳变化, 又能大幅降低长相关时间下方差的估计误差。

动态Allan方差是分析光纤陀螺随机误差的一种新方法。针对其采用固定窗长的窗函数截断信号，导致动态跟踪效果与方差估计值的置信度不能兼顾的问题，提出了一种基于峭度自动调节窗长的改进算法。算法引入峭度参数表征陀螺输出信号的平稳程度，以滑动窗内数据的峭度值为变量构造窗长截取函数，应用窗长函数根据短时信号的稳定程度自动确定截断窗窗长，并用其来截取随机信号进而进行Allan 方差估计及误差系数实时辨识和提取，同时将方差估计值和误差系数时间曲线分别绘制在三维或二维图上。对仿真和实测数据分析结果表明：新算法既能在平稳性好的数据段保持较高的置信度，又能在发生动态变化时及时跟踪信号，可以更好地对光纤陀螺的随机误差系数进行实时在线提取和分析。

为减少动态环境下半球谐振陀螺输出信号噪声, 提高惯导系统精度, 提出了一种基于提升小波变换(LWT)的滤波算法. 将信号经小波变换提升算法进行尺度分解后, 对低频小波系数进行前向线性预测(FLP)滤波, 进一步去除低频干扰, 提取有用信号, 高频小波系数直接置零或按照一定阈值规则处理, 显著提高了重构信号的精度, 去除了陀螺噪声. 详细对比了新算法、卡尔曼滤波算法和FLP滤波算法, 并分析了三者的去噪效果. 仿真结果和实际试验数据表明: 新算法能有效抑制动态环境下半球谐振陀螺输出噪声, 标准差为卡尔曼滤波算法的一半, 运算时间缩短了30%;该滤波算法不但速度快, 精度高, 而且计算量小, 抗干扰性好, 滤波后可以有效跟踪有用信号.