伴随着GNSS基准站多年连续不断的观测的坐标数据,为GNSS时间序列的研究提供了数据基础,且GNSS时间序列中包含丰富的地球物理信息,因此GNSS坐标时间序列的精确分析,对地球物理研究、气候气象预测、区域内地壳形变等研究具有重要意义。由于GNSS信号从产生、传输、到被接收机接收的过程中会受到多种误差源的影响,使得GNSS信号中不可避免的包含粗差以及噪声,粗差的存在会对数据分析以及噪声处理产生负面影响,因此在进行数据分析以及噪声处理前需要进行粗差的探测与剔除;由于GNSS坐标时间序列中的噪声的成分复杂,因此对于噪声的处理分为两种,第一种将噪声剔除从而提取出数据中的有用信号,通过提取的信号进行相关分析以减小噪声的影响;第二种估计出噪声的振幅从而建立合适的噪声模型,随后采用平差的方法计算出参数的数值。鉴于此本文重点研究GNSS坐标时间序列的粗差探测,噪声剔除从而提取有效信号,以及噪声模型估计的方差-协方差分量估计方法,本文的主要工作如下:（1）系统的介绍了GNSS坐标时间序列的原理,着重分析了现有的GNSS坐标时间序列现有的模型,随后介绍了GNSS坐标时间序列中所包含的噪声类型,以及GNSS坐标时间序列随机模型的构成,为后文的研究提供了理论基础。（2）针对坐标时间序列无可避免的受到各种误差源的影响,导致信号中含有粗差的问题,采用了一种基于奇异谱分析（SSA）与Sn估计量相结合的粗差探测方法。首先采用奇异谱分析将坐标时间序列信号分解为趋势项,周期项以及残差项,随后通过Sn估计量对残差项进行粗差探测,从而避免了趋势项和周期项对粗差探测的影响,通过仿真数据以及实测数据进行实验,结果表明SSA-Sn算法较传统方法的粗差探测更加准确,且对粗差有较好的敏感性。（3）针对GNSS坐标时间序列噪声成份复杂,难以有效提取有用信息,从而影响数据分析结果的精度的问题,采用一种改进的变分模态分解的去噪方法（IVMD）。以能量熵和互信息组成的能量熵互信息（EEMI）指标,以前两个模态函数的EEMI之和作为目标函数,采用GOA算法对VMD参数进行优化,从而解决了VMD的参数需要提前设定的问题,随后将分离出的噪声进一步采用小波包分析进行信号提取,最后将两次所提取信号重构成新的信号。通过仿真算例和实测数据验证两种方法的有效性与可行性。（4）针对高精度,高效求解GNSS坐标时间序列噪声分量的问题,结合等价条件平差模型以及最小范数二次无偏估计法,提出等价条件闭合差最小范数分量估计方法,简称MINQUE-ECM法。首先采用等价条件闭合差构造二次型方差估计公式,结合不变性、无偏性、最小范数准则等条件,导出基于等价条件闭合差的方差-协方差分量最小范数估计公式,然后采用LS-VCE法、MINQUE法验证本文方法的正确性及算法有效性。通过模拟坐标时间序列和北美GNSS站坐标时间序列的噪声估计结果表明,本文方法与LS-VCE法和MINQUE法的估计效果一致,但计算时间较LS-VCE提高20%。