随着科技的进步,陀螺仪技术在地下工程测量,惯性导航等领域发挥的作用越来越突出。越来越高的地位同时就要求了它要具有越来越高的精度。因为很难再在硬件上做出突破,所以我们把提高陀螺仪精度的目标放在对它的数据处理上。　　鉴于前人已经用各种Kalman滤波方法对数据做出了处理,为了尝试使用不同的方法分析陀螺仪数据会不会有更好的效果,本文采用一种全新的数据分析方法—希尔伯特—黄变换方法对陀螺仪观测数据进行分析。文章的研究内容主要包括对数据的去噪和对转子电流周期的估计两部分。　　对数据的去噪是基于EMD带通滤波去噪原理。用EMD分解方法分别对陀螺仪转子电流和定子电流进行分解,分解后产生频率从高到低的 IMF集。通过从高频到低频依次滤去IMF函数,对各个剩余的IMF集进行信号重构,计算重构信号的均值与均方差值,并画出滤波结果图,判定噪声IMF函数的分布,进而得出EMD滤波结果。通过对大量数据的分类研究,可以得知EMD去噪达到了较理想的效果。　　基于 IMF周期求取原始数据周期方法是作者提出的一种新的求取周期的方法。它是基于有用成分IMF的周期和方差值,将有用成分的IMF方差值作为权,按照权比将有用成分的 IMF周期进行加权平均,对原始数据的周期做出一个估计。通过对仿真信号加噪声,去噪后用 IMF求周期法对原始信号周期作出估计,与真实周期进行对比,验证了这种新的IMF周期估计方法具有一定的可靠性。