随着GPS更新换代,GLONASS完成重建,BDS等的快速发展,多系统融合GNSS技术已经成为一种必然趋势。多系统融合使得卫星数量大大增加,卫星的几何结构加强,在条件不利地区仍能够较好的使用。在短距离GNSS变形监测中,多路径误差仍然是影响监测精度的最主要因素,对多路径误差进行有效的建模对提高监测精度就显得非常有意义。本文研究了利用滤波技术对多路径误差进行建模,并在此基础上对多路径误差进行削弱；从盲源分离的角度,从数据源头对多路径误差进行分离。主要研究成果和内容如下：(1)提出了一种新的EMD-Wavelet-ICA耦合模型,该模型能够对信号进行更为细致的分析。通过仿真试验,结果表明：与EMD、EMD-ICA相比,EMD-Wavelet-ICA耦合模型提取后的信号,信噪比和相关系数最大,标准差和偏差最小,说明EMD-Wavelet-ICA耦合模型能够更好提取信号；通过实测GNSS数据,利用EMD-Wavelet-ICA对GPS、GLONASS、BDS和GPS/GLONASS/BDS多路径误差进行建模,与EMD、EMD-ICA相比,EMD-Wavelet-ICA更够建立更加精确的多路径误差模型。(2)在已经建立多路径误差模型的基础上,利用多路径误差周日重复性对临近周日多路径误差进行削弱,结果表明：与EMD、EMD-ICA相比,利用EMD-Wavelet-ICA建立的多路径误差模型,对临近周日多路径误差削弱效果最好。(3)从盲源分离这个全新的角度对多路径误差的分离进行研究,提出一种基于广义特征值的盲源分离方法。仿真实验结果表明：与MAX-SNR和ICA方法相比,广义特征值方法分解后的信号相似系数最大,二次残差值最小,说明该方法能够对信号进行更好的分离。其次,在仿真数据的基础上加入GPS多路径误差作为源信号,结果表明：该方法对多路径误差进行了有效的分离,与MAX-SNR和ICA方法相比,广义特征值方法分离结果的相似系数最大,二次残差值最小。这对于GNSS变形监测中多路径误差问题的解决具有十分重要的意义。