在捷联惯导系统中，加速度计和陀螺的输出数据中不可避免的会有噪声干扰，影响到输出值的精确度，进而影响到解算值的精确度，使得导航姿态解算精度不高。神经网络算法具有很好的对陌生函数逼近的能力，而不必知道其数学模型，这样就减少了建立数学模型带来的模型误差，因而要优于传统的滤波方法。针对捷联惯导系统中加速度计和陀螺输出数据中噪声的去除，本文主要研究了以下内容：研究了Allan方差对加速度计和陀螺输出数据常见噪声的识别：用Allan方差方法分别对加速度计的输出数据进行分析，得到加速度计和陀螺输出数据中存在的常见误差源。用Allan方差对经过神经网络处理而得的数据进行评价。研究了BP神经网络的各个训练函数和径向基函数神经网络的创建函数在消除加速度计输出数据中的噪声的性能的优劣：对于加速度计的某段输出数据，着重从时间、精度等方面分析对比了BP神经网络的各个训练函数和径向基函数神经网络的创建函数的性能。进而把径向基函数神经网络中的newrb函数应用于加速度计和陀螺输出数据的噪声消除中，看到神经网络消除噪声的的有效性。研究了一种三加速度计和三陀螺组合的捷联惯导系统姿态计算方法。应用四元数法和龙格-库塔法等方法对飞行器运动状态进行仿真。然后用一组实测数据，解算出飞行器的位置、速度信息。