输电杆塔作为电网输电工程中必不可少的一环,多布设于人迹罕至的野外,长期以来缺乏监管。随着“智能电网”、“坚强电网”计划的提出,输电杆塔的形变状态也被纳入自动化检测范围。针对输电杆塔运维缺乏实时监测的问题,本文从信号接收、定位解算、后端系统三个角度出发,研究基于全球导航卫星系统（GNSS）的输电杆塔形变监测方法。首先,对信号接收进行研究,分析均匀线阵、均匀面阵、均匀圆阵等天线形式和天线阵元数目对信号接收的影响,确定接收机天线的结构为均匀圆阵四阵元。提出归一化最小均方误差算法（NLMS）与功率倒置算法（PI）的组合模型,将该模型作为空时联合自适应滤波的优化准则,对接收信号中的噪声进行去噪。仿真结果表明,所提组合模型相较未改进的最小均方误差自适应算法（LMS）具有更快的收敛速度,更小的稳态误差,能够主动进行噪声识别与抑制。其次,对定位原理与定位方式、误差来源与改正方法进行分析探究,针对载波相位定位中整周模糊度求解困难的问题,在对比各类模糊度求解方法优缺点后,选用LAMBDA算法作为优化准则求取定位过程中的整周模糊度。在多种采样方式下对设备实测数据进行分析。实测结果显示,设备在载波相位差分模式下的水平误差为±2 cm,垂直误差为±5 cm,静态解算的水平误差为±4 mm,垂直误差为±5 mm,为所有测试算法中定位精度最高的算法。证明了载波相位差分算法实现高精度定位的优越性及LAMBDA算法求取整周模糊度的可靠性,确定了设备实现毫米级精度监测的方式为载波相位差分。最后,根据国家电网对监测系统的要求搭建GNSS形变监测预报平台。按需求选取硬件制成监测设备,基于监测预报平台对采集到的原始数据进行二次加工和开发。针对原始数据中的异常值及空值,采用改进3σ准则对异常值识别,对于少量缺失的观测数据采用线性插值法补全,对于大量缺失的观测数据采用三次样条插值补全。通过门控循环单元（GRU）挖掘数据之间的内在联系,使用粒子群优化（PSO）进行神经网络参数选取,利用该组合模型实现对监测点未来偏移的预测。通过与真实数据的对比,预测结果的准确率达到99%,可为工程监测数据分析提供有力支撑。