目前常用的光纤陀螺寻北方案是静态多位置寻北方案，即在某几个特定方位处采集光纤陀螺数据，根据不同位置光纤陀螺敏感到的不同的地球自转角速度分量，列出方程求解北向夹角。对于静基座寻北的光纤陀螺寻北仪，要实现高精度寻北，则要保证基座必须稳定，不受外界环境的各种干扰。光纤陀螺十分敏感，任何内部或外部微小的扰动都将严重影响寻北仪的寻北精度。在实际使用中，陀螺寻北仪通常配置在车上，车辆的发动机组工作时产生的高频振动以及人员走动和阵风引起的低频振动则不可避免地作用到陀螺寻北仪上，使陀螺寻北仪的基座发生扰动，进而使寻北精度大大降低。针对于采集到的受扰动的光纤陀螺数据，目前多采用信号滤波去噪处理。信号滤波去噪一般有两种方法，第一种方法是使用卡尔曼滤波算法对光纤陀螺的输出信号进行滤波；另一种方法是使用小波滤波算法对光纤陀螺的输出信号进行滤波。卡尔曼滤波方法有一定的局限性，它只适用于模型精确并且噪声的统计特性确定的线性系统，在实际工程中，由于外部环境、系统内部电路等因素的存在，很难得到可以用于卡尔曼滤波算法的精确模型。所以卡尔曼滤波去噪法在实际应用中实用性不高。相比于卡尔曼滤波，小波滤波去噪法则显得尤其适合。小波信号去噪的基本思路为：一维小波分解：选择一个小波并确定分解的层次，然后进行分解计算；小波分解高频系数的阈值量化，对每个分解尺度下的高频系数选择一个阈值进行阈值量化处理(大于阈值予以保留，小于阈值置0)；一维小波重构，根据小波分解的最高层低频系数和阈值处理后的各层高频系数进行一维小波重构。
随着分解尺度的增加，信号对应的小波系数变大，噪声对应的小波系数变小。对于高尺度的小波系数采用阈值量化处理可以有明显效果，但对于低尺度的小波系数，信号与噪声对应的小波系数可能大小相当，设定的阈值可能无法完全区分信号和噪声，故提出对低尺度小波系数进行滑动窗滤波处理，即一种不完全保留，完全摒弃的保守方法。经过小波滤波后部分数据可能还会存在较大的冲击扰动，若使用常规的数据求均值的方法带入解算，则效果不会太好。故提出一种非等权加权处理，即将采样数据分成若干段，将每一段数据的均方差的倒数作为其权重，进而对整段数据进行加权求均值。这样便能够利用小波滤波去除高频噪声，用加权均值处理抑制大幅度的扰动，从而提高寻北精度。
数据处理流程图
