GNSS坐标时间序列中包含许多有用信息,分析其特征对于建立高精度的坐标时序模型有着重要意义。本文以GNSS坐标时间序列为对象,重点研究了坐标时序空缺插值方法和信噪分离方法等内容,并通过插值、噪声分离以及速度估计等步骤,处理得到了全球范围内310个IGS连续观测站的运动速度,建立了全球范围内的速度场模型。主要研究内容如下:1.针对单站插值方法在时序存在长空缺时插值效果不佳,多站插值方法可能受到局部信号污染的问题,提出一种基于相关数据的经验正交函数插值方法（Coefficient Data Interpolating Empirical Orthogonal Functions,CDINEOF）。该方法顾及GNSS基准站之间的相关性,剔除了相关度较低的站点数据。通过设计含缺失历元的模拟数据实验和实测数据实验,比较分析了CDINEOF法和二次多项式插值法、DINEOF法的插值效果和性能。实验结果表明,当观测数据存在连续长空缺时,CDINEOF法的插值效果好于DINEOF法和多项式插值法,在保留方差最大化方面效果最好,最大方差约是DINEOF法的1.12倍,多项式插值法的1.07倍。2.为改善相关系数准则噪声识别不准确导致的信号损失问题,提出一种联合自适应噪声完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）和独立分量分析（Independent Components Analysis,ICA）的坐标时序降噪方法。该方法首先对坐标时间序列进行CEEMDAN分解,根据相关系数准则得到高频分量;然后对高频分量执行ICA分解,并根据排列熵值的大小剔除含噪声的独立分量;最后将剩余分量相加,重构坐标时间序列。该方法可以很好地分离数据中的噪声,其降噪结果在N、E、U方向上均方根误差值均最小,平均达到1.4388mm、1.2688mm、2.9249mm;信噪比平均值最大达到11.13d B、12.54d B、15.78d B。3.利用IGS站坐标时间序列,建立了全球范围内的速度场模型。首先对比分析了加权区域叠加滤波,相关加权区域叠加滤波与主成分分析方法剔除共模误差的效果,选用主成分分析法对全球范围内310个IGS站坐标时间序列进行滤波处理;然后在有色噪声背景下,利用极大似然估计准则估计各观测站水平和垂直方向上的运动速度,并将其与IGS网站公布的测站速度进行对比,二者具有较高的一致性;最后利用多面函数法拟合建立了全球范围内的速度场模型。4.为实现GNSS坐标时间序列的处理和分析,设计并开发了基于MATLAB的GNSS坐标时间序列数据处理软件CJ-CTSA。首先通过分析坐标时间序列处理流程,设计了数据预处理、信号分析、噪声分析以及速度场建模等功能模块;然后基于App Designer工具搭建了对应的用户交互界面;最后编程实现了相应的GNSS坐标时间序列处理算法。