在测量数据处理领域,为了保证测量数据的质量,经常要对数据进行处理,剔除里面的粗差。但是在粗差探测中,不论是独立观测数据,还是相关观测数据,都将面临着粗差不能被正确识别的问题,即产生掩盖和淹没现象的问题。为此本文将采用现代Bayes统计理论和方法研究粗差探测中的掩盖和淹没问题。本文以基于真误差的后验概率法为基础,结合影响分析,提出了适用于独立观测数据的结合影响分析的抗隐差型Bayes粗差探测方法;以Gibbs抽样失败的原因入手,通过剔除初始子集中的高杠杆异常值,提出了适用于独立观测数据的处理高杠杆异常值的抗隐差型Bayes方法;以模型的转化为出发点,通过基于真误差的后验概率法与相关分析的可靠性理论的结合,提出了适用于相关观测的粗差探测的抗隐差型Bayes方法。本文的主要研究成果和创新点如下：（1）提出了结合影响分析的抗隐差型Bayes粗差探测方法。通过分析掩盖和淹没现象产生的原因,将基于观测误差的后验概率法与基于Kullback-Leiber距离的影响分析相结合,并利用逐个搜索法的思想,提出了独立观测数据条件下,克服掩盖和淹没现象的结合影响分析的抗隐差型Bayes粗差探测方法。（2）提出了处理高杠杆异常值的抗隐差型Bayes方法。从Gibbs抽样失败的原因入手,通过剔除初始子集中的高杠杆异常值,给出了一种抗隐差的Bayes多粗差定位方法,原理简单,易于实现。算例分析表明,该方法在独立观测数据条件下具有克服掩盖和淹没问题的功能。（3）提出了相关观测粗差探测的抗隐差型Bayes方法。以模型的转化为出发点,经过详细的理论阐述,在简便易行的原则下,提出了相关观测数据条件下,克服掩盖和淹没现象的相关观测粗差探测的抗隐差型Bayes方法。为了证明本方法的正确性,我们将其应用到GPS网平差的算例中,取得了令人满意的结果。