Los errores no lineales de las señales de salida de los sensores son comunes en el campo de la medición inercial y pueden ser compensados con modelos estadísticos o modelos de aprendizaje automático. Las soluciones de aprendizaje automático con una gran complejidad computacional son generalmente fuera de línea o se implementan en plataformas de hardware adicionales, lo que dificulta cumplir con los altos requisitos de integración de los sensores inerciales de sistemas microelectromecánicos. Este artículo exploró la viabilidad de un esquema de compensación en línea basado en redes neuronales. En la solución diseñada, se utiliza una red simplificada de pequeña escala para el modelado, y el valor pico a pico y la desviación estándar del error después de la compensación se reducen al 17.00% y al 16.95%, respectivamente. Además, se diseña un circuito de compensación basado en el esquema de modelado simplificado. Los resultados muestran que el efecto de compensación del circuito es consistente con los resultados del experimento del algoritmo. Bajo la tecnología CMOS de 180 nm de SMIC, el circuito tiene una frecuencia de operación máxima de 96 MHz y un área de 0.19 mm. Cuando la frecuencia de la señal de muestreo es de 800 kHz, el consumo de energía es de solo 1.12 mW. Este circuito puede ser utilizado como un componente del sistema de medición y control en chip (SoC), que cumple con escenarios de aplicación en tiempo real con requisitos de bajo consumo de energía.