微型无人机在高动态飞行时,需要高精度的定位信息,特别是姿态信息。相比于全球定位系统(Global Navigation Satellite System,GNSS),惯性导航系统(Inertial Navigation System,INS)可以实时解算出姿态信息。对于微型无人机而言,一般无法使用高精度的平台惯性导航系统,只能使用微机电系统(Micro Electro Mechanical Systems,MEMS)惯性测量单元(Inertial Measurement Unit,IMU)获取惯性信息,而目前单个MEMS IMU的精度难以满足实际的导航要求。针对上述不足,可以将多组MEMS IMU按阵列式排布安装在无人机上,同时采集每组IMU的惯性数据,基于适当的融合方法,从而有效的提高无人机的定位精度。本文紧密围绕MEMS惯性阵列导航系统关键技术展开研究。针对惯性阵列的子IMU相对主IMU的位置难以直接测量的问题,设计了惯性阵列的安装误差角和杆臂长度的标定方法;针对单个MEMS陀螺仪在导航时可能会出现超量程的问题,研究了基于杆臂加速度来计算角速度与陀螺仪输出角速度融合的方法;针对惯性数据融合问题,本文采用的是粒子滤波方法。具体研究内容如下:首先,设计了惯性阵列安装误差角和杆臂长度的标定方法。对于惯性阵列在初始化时,会出现安装误差角和杆臂长度不准确的问题,本文提出了一种惯性阵列安装误差角的标定方法。该方法不仅可以测量出子IMU相对主IMU的X轴和Y轴的姿态误差,而且可以利用惯性阵列的两组不同的姿态信息计算出子IMU相对主IMU的Z轴的姿态误差。提出了一种利用杆臂原理标定子IMU相对主IMU位置的方法。该方法使惯性阵列在旋转平台式上按一定角速度进行旋转,利用子IMU输出的角速度和加速度信息进行解算,可以得到子IMU相对主IMU的位置信息。经过实验验证,使用该方法可以有效的计算出子IMU相对主IMU的杆臂长度,其误差小于0.2%。其次,研究了基于杆臂加速度计算角速度的方法。针对单个陀螺仪的精度和量程不能权衡的问题,本文提出一种基于杆臂加速度解算角速度的方法,首先将子IMU分成每三个一组,每组都输出角加速度信息,将输出的角加速度融合后积分得到角速度信息,然后利用上一时刻的角速度作为权值与陀螺仪输出的角速度融合,从而得到惯性阵列的角速度信息。经仿真验证,当陀螺仪输出角速度超量程时,经过阵列加速度输出的角速度能够有效跟踪载体运动的姿态。然后,设计了基于粒子滤波的阵列式惯性数据融合的方法。针对惯性阵列的角速度和加速度融合问题,本文研究了一种基于粒子滤波的角速度和加速度融合算法。该方法将子IMU的捷联解算输出的姿态和速度信息与主捷联解算的差值作为权重,融合角速度和加速度信息,当某个子IMU的权重接近零时,表明该IMU出现故障。这时利用主IMU的导航信息修正子导航信息,从而提高整体的导航性能。经过仿真验证,该方法相比于单个IMU的定位误差降低了一倍。最后,设计了基于卡尔曼滤波的导航信息外观测系统修正阵列式惯性导航系统的算法。论述了卡尔曼滤波的状态方程和测量方程的建立方法,以及基于卡尔曼滤波的阵列式惯性导航修正系统的修正方法。经过仿真验证,该方法可以有效的对阵列导航系统进行修正。