全球定位系统(GPS)具有高精度、全天候、全球性等技术特点，与网络通讯技术、数据库技术、计算机技术相结合，成功应用于大地测量、形变监测、交通运输、民用导航以及资源勘探等诸多领域。而大型工程的变形监测正向高精度、实时化和自动化的方向发展，对变形监测手段、变形监测技术、变形数据处理等提出了更高的要求。因此研究新形势下的大型工程GPS变形监测数据处理关键技术具有重要意义。　　GPS变形监测数据处理的关键技术主要包括：GPS周跳的探测与修复，整周模糊度的求解，观测值随机模型的建立，系统误差与变形信息的分离以及变形量的计算分析等。本文将对前三个关键问题进行详细的研究，具体内容如下：　　首先介绍了GPS的基础知识以及GPS变形监测的基本原理；探讨了GPS观测值及其线性组合的特性；分析了影响GPS变形监测精度的误差源；给出了短基线解算的双差观测方程及其定权方法。针对大型独立工程变形监测中GPS观测值的周跳问题，介绍了基于抗差Chebyshev多项式的改进相位伪距周跳探测与修复算法，通过拟合残差最小的原则解决了传统相位伪距法探测周跳的多值性问题，成功修复了变形监测中GPS相位观测值的周跳。　　整周模糊度的快速求解一直是大型工程GPS变形监测技术的关键问题，文中详细研究了遗传算法(GA)和粒子群算法(PSO)在GPS整周模糊度求解方面的应用。针对遗传算法收敛速度慢的问题，引入了一种变区间的加速遗传算法(AGA)，提高了收敛速度；针对粒子群算法易陷入局部最优的问题，采用了一种新的基于自适应计算惯性权重和粒子变异的改进粒子群算法(IPSO)，改善了算法的全局收敛性和稳健性。　　在此基础上，针对变形监测点初始坐标已知的特点，结合模糊度函数法(AFM)和模糊度直接计算法(DC)，采用加速遗传算法(AGA)和改进粒子群算法(IPSO)，研究了基于坐标域的GPS单历元模糊度搜索方法，并对比分析了二进制编码遗传算法(BGA)、二进制编码加速遗传算法(BAGA)、实数编码遗传算法(RGA)、实数编码加速遗传算法(RAGA)、标准粒子群算法(PSO)和改进粒子群算法(IPSO)进行模糊度搜索的效率和成功率，验证了RAGA和IPSO在GPS变形监测单历元模糊度搜索方面的实用性。对于GPS短基线整周模糊度的求解，详细介绍了连续二维变换降相关法的实现步骤，并采用实数编码加速遗传算法(RAGA)和改进粒子群算法(IPSO)，研究了基于模糊度域的GPS整周模糊度搜索新方法，对比分析了LAMBDA法、RAGA和IPSO的解算效率和成功率，验证了IPSO在GPS短基线低维模糊度搜索方面具有的实用价值。　　合理的随机模型是获取GPS高精度三维基线分量的前提。针对经验定权法无法准确反映GPS变形监测观测值随机特性的问题，引入了最小范数二次无偏估计(MINQUE)进行GPS双差观测值的方差-协方差估计，并给出了简化的最小范数二次无偏估计的计算公式，提高了实际计算效率。通过与相关性定权法和高度角定权法的比较，验证了简化MINQUE法在高精度大型工程GPS变形监测中的有效性。