随着GNSS技术的不断发展,其积累的观测数据为研究大地测量学和地球动力学等领域提供了宝贵的数据基础。然而GNSS观测数据解算的坐标序列中不可避免的存在粗差以及缺值等问题,此外GNSS坐标序列中不仅包含着构造信号同时也包含着非构造信号。而这些因素的存在都将影响着GNSS坐标序列的精度及其可靠性。因此,对GNSS坐标序列进行相应的预处理,研究非线性变化的运动规律,建立相应的误差改正模型都将有助于获得更加可靠的坐标序列,进而有助于周期,速度等其他信号的分离。近年来,GNSS技术取得长足发展,然而GNSS测站的非线性变化由于其运动的复杂性还有待进一步的研究。本文基于内华达实验室提供的日本区域内2010年1月-2018年12月20个GNSS基准站近9年的观测数据作为基本数据进行研究,对GNSS坐标序列的非线性运动进行轨迹建模。具体而言,本文的主要研究工作如下:1.对GNSS坐标序列中存在的缺失项进行插值处理,本文采用了一种基于矩阵填充方法的SVT（Singular Value Threshold）算法实现对GNSS坐标序列进行缺值填充。由于该方法的非参性,故极大的降低人为因素的干扰。该方法能够同时完成对多站GNSS坐标序列缺值插值处理,能够较好的顾及测站之间的相关性。实验中将原始坐标序列和残差序列中分别在连续缺失历元与随机缺失历元两个方面加以验证。实验结果表明在水平方向上插值结果的RMSE值1-2.5mm之间,而在U方向上的RMSE值在4-5mm之间。2.运用主成分分析法剔除测站之间存在的共模误差,剔除共模误差后GNSS坐标序列的整体波动性明显减小,坐标序列的可靠性明显提高。对区域内的噪声模型进行估计,发现噪声模型并非单一的噪声模型,且FNWN（Flicker Noise+White Noise）模型占据主导地位,分析噪声模型的差异对测站的速度及其不确定性估计影响,实验结果表明在最佳噪声模型与白噪声模型下的速度参数估值在E/N/U方向上分别平均相差1.07mm/a,0.23mm/a,0.38mm/a;而最佳噪声模型下的速度的不确定度将是白噪声模型下的平均10倍左右。3.基于高斯核的非参函数估计原理,对GNSS残差序列进行建模,并通过L1范数对模型进行稀疏化从而较好的达到对非线性运动变化的描述。在兼顾模型拟合度与模型稀疏两个方面完成残差建模。实验结果表明,选取恰当的正则化参数及核函数密度参数在FISTA算法迭代收敛后获取的模型能够较好的提取出残差序列中的低频信号并且具有较好的稀疏性。最后通过函数最佳平方逼近原理运用高斯积分方法有效的完成对残差序列中包含的周期信号与速度信号的分离。