MEMS惯性导航系统在无人驾驶、机器人控制以及军用导弹等领域的应用非常广泛,其在导航领域中的地位十分重要。MEMS惯性传感器的优点是体积小、功耗低且成本低,但由于MEMS传感器精度低,导致随着时间的增加惯性导航系统的累积误差越来越大,因此提高MEMS惯导系统的导航精度是目前主要解决的问题。本文主要对MEMS惯导系统在线标定与补偿技术展开了研究,以期能够实现一个稳定性强、精度高的自主导航系统,在惯导系统的导航性能提升方面提供一个理论支持和研究参考。首先,本文概述了MEMS惯性导航系统的在线标定技术,根据MEMS惯导系统中零偏和标度因数的在线标定方法建立了状态方程,通过GPS外测系统建立了观测方程,设计了五种不同路径,对所设计路径中的误差变量进行了可观测分析,并且用常规Kalman滤波标定出了零偏和标度因数的值。其次,针对采集观测信息时外部环境干扰比较大的情形,本文提出了一种模糊逻辑和常规Kalman滤波结合的滤波算法,在该算法中,定义了残差的实际值和理论值,以它们迹的比值作为模糊输入,输出是修正外部观测噪声的修正因子。通过仿真,验证了该算法可以有效的提高系统的导航精度,并且和常规Kalman滤波算法标定结果比较,该算法能更好的抑制滤波的发散,在一定程度上消除了外部恶劣环境对标定过程的影响。最后,论文在以上两种滤波算法的基础上,通过车载MEMS导航系统以及高精度GPS系统设计了半物理仿真平台评估标定与补偿效果,用采集的实测数据进行惯导解算,采用时间标记的方法解决两个传感器系统的时间同步问题,然后将标定结果补偿到输入,成功的提高了导航的精度,在外部环境对噪声影响较大时,模糊自适应Kalman滤波的仿真结果比Kalman滤波的仿真结果误差降低了大约二十倍,因此,本文提出的算法更有效的提高了系统的精度。