大多数系统都会集成某种形式的卡尔曼滤波器，以便有效合并多种类型的传感器。卡尔曼滤波器将系统动力学模型、传感器相对精度和其他特定应用的控制输入纳入考虑，有效确定最切合实际的运动情况。高精度惯性传感器（低噪声、低漂移、相对温度/时间/振动/电源变化保持稳定）可以降低卡尔曼滤波器的复杂度，减少所需冗余传感器的数量，以及减少对容许系统工作方案的限制条件数量。

医疗MEMS的复杂性

虽然传感器已实现各种各样的医疗应用，从相对简单的运动捕捉到复杂的运动分析，但医用传感器的高性能要求提出了复杂且涉及到大量计算的设计挑战。幸运的是，解决这些新一代医疗挑战所需的许多原理均基于经工业导航应用验证的方法，包括传感器融合和处理技术。在医疗导航领域，运动的复杂性以及精度和可靠性要求将推动多处理器、附加传感器后处理、复杂算法、复杂测试和补偿方案的发展。

在消费应用强烈追求小尺寸、低功耗、多轴惯性传感器的同时，某些开发人员同样重视能够在各种环境条件下稳定可靠的高精度、低功耗、高性能传感器。与现有测量和检测技术相比，这些惯性MEMS器件在精度、尺寸、功耗、冗余度和可及性上均有优势。

作者：Bob Scannell是ADI公司惯性MEMS产品业务开发经理。