在基坑、边坡等变形监测的实践中,新一代测量机器人以其自动化程度高、测量精度高、效率高而著称,大大提高了监测的精度和效率。然而硬件水平的提高也给一些传统的数据处理方法提出了一些新的问题。本文在前人工作基础上,讨论了基于PauTa法则的粗差剔除理论与方法,变形监测数据的小波滤波方法,灰色滤波与预测理论和针对有色噪声的H∞,H2/H∞滤波理论与方法,并根据这些算法开发了测量机器人的软件系统。本文对拉依达准则的局限性进行了系统的分析,并从理论上证明了当观测值中含有多个粗差的情况下,含有粗差的观测值之差只有满足一定条件时,利用拉依达准则才能逐个剔除粗差,据此提出了一种新的粗差剔除方法“数据跳跃法”。研究了小波阈值去噪、强制去噪方法。根据对大孤山铁矿边坡沉降监测数据进行小波去噪研究,结果表明阂值和小波基函数都有重要影响。采用强制去噪后的效果很明显,强制去噪中,对信号进行小波分解,并选取适合的逼近信号和细节信号对小波系数进行重构,这种方法比较简单,且消噪后的信号比较平滑,滤波效果依次为db5、db3、db2。研究了小波滤波后的灰色预测方法,较滤波前数据预测能取得更加理想的效果。并研究了最佳维数。根据小波去噪和灰色自适应预测各自的优点,在对灰色自适应进行初值修正的基础上建立了基于小波去噪的改进灰色自适应方法对变形体进行预测,通过与单一灰色预测模型比较具有更好的预测效果。比较了基于卡尔曼滤波的灰色预测模型与基于小波滤波的灰色预测模型。基于小波滤波的灰色预测模型能达到更好的效果。卡尔曼滤波器是一种依赖模型的滤波器,当监测数据偏离模型较大,小波滤波的灰色预测能达到更好的效果。针对高精度测量机器人观测数据,基于观测噪声为能量有限有色噪声的假定,根据目前一些滤波方法的特点,提出一种H∞滤波法,相对于卡尔曼等滤波法,该方法是一种相对保守的滤波方法,不易丢失有用信息,对测量精度要求高,信噪比较差时,用此方法先行过滤是一种有效做法。同时其缺点是,该方法不针对白噪声而设计,因此滤波后一些白噪声成分没有过滤掉,波形显得不够光滑。考虑这些缺点,针对H2和H∞滤波方案的优缺点,给出了一种混合H2/H∞折中方案,该方法兼顾了H2滤波算法和H∞滤波算法的优缺点,即在考虑了限制非白极大成分噪声的影响前提下,尽可能降低白噪声的影响,该方法是处理混合噪声成分的有效方法。在研究测量机器人(TCA2003)、 GEOCOM开发平台及上述监测数据处理方法的基础上,以VB6.0为开发工具在GEOCOM平台下开发了测量机器人自动监测系统。主要功能包括新建与打开工程、点编辑、点组编辑、周期编辑、通讯设置、参数设置、测站设置、数据自动采集、数据实时显示和数据处理等。数据处理包括精度评定、粗差剔除、气象改正、滤波和变形预测等。从而实现了以测量机器人和计算机为核心的三维变形监测系统。利用该系统可实现监测数据的自动采集与数据的高效处理,为滑坡实时性预警奠定了可靠的基础。