随着科技的进步，GNSS技术在社会生活与各科学领域中扮演着至关重要的角色。然而，GNSS接收机测量信号从发射到接收机接收的的过程中，会受到各种误差源的影响；其中很多误差能够通过模型化方法消除，但是仍有部分误差会附加在信号上，给数据处理结果带来一定的影响。因此，如何对具有非线性、非平稳性特点的GNSS坐标时间序列进行降噪处理是目前研究的热点。本文在已有经验模态分解(Empirical Mode Decomposition，EMD)方法的理论基础上，针对该算法存在的问题进行了一定的改进，并将改进的经验模态分解算法分别应用于陆态网基准站坐标时间序列降噪中。本文主要研究内容如下：
　　(1)系统地介绍了EMD基本理论，为全文的研究与分析打下坚实的理论基础。论文首先探讨了三种典型时频分析方法，然后详细地介绍了EMD方法的相关概念及基本原理，综合描述了EMD方法的优越性质，最后，总结了EMD方法的研究现状及其存在的主要问题。
　　(2)针对经验模态分解降噪过程中，信号与噪声之间存在模态混叠问题，论文深入研究分界本征模态函数(Intrinsic Mode Function，IMF)分量的特性，提出了一种削弱模态混叠的改进EMD降噪方法。本方法通过将EMD分解得到的第2个IMF至分界IMF分量进行重构，对重构信号进行下一次EMD分解，获取其中的“真实”信号；重复该步骤三次，最后将所有获得的低频信号累加，从而达到降噪的目的。利用3组模拟数据验证该方法的可行性，实验结果表明，该方法较传统EMD方法降噪效果更佳。
　　(3)为了更好地消除附加在GNSS信号上的噪声，本文通过全面分析噪声统计特性，提出了一种改进的EMD降噪方法。该方法利用EMD分解将信号分割为低频信号与高频噪声两个部分；然后将高频噪声部分随机打乱两次，并与原始高频噪声累加，求取平均值；最后，与低频信号累加，构成一个新的信号再次进行EMD分解，提取出有用信号。利用2组分别加入不同信噪比的模拟数据进行验证，结果表明当信噪比较高时，本方法将得到更优的降噪结果。
　　(4)针对经验模态分解降噪过程中，采用相关系数(p)准则确定分界本征模态函数K值存在不准的问题，本文给出了两种新的方法来辨别分界本征模态函数的K值。一种方法是通过使用平均周期与能量密度乘积指标来自动确定分界IMF的K值，将高频噪声IMF分量进行重构，然后用原始信号减去重构噪声，从而达到降噪的目的。另一种方法是通过采用复合评价指标(TD)，综合考虑曲线平滑度(r)与均方根误差(RMSE)两个指标值，当TD达到一定阈值则判定其为分界IMF分量，输出K值。通过模拟数据进行验证，实验结果表明，文中给出的两种新方法比单一的相关系数指标所确定的分界IMF函数K值更准确，能够更可靠地识别噪声与信号的分界点，使得降噪效果更可靠。
　　(5)论文着重评述了陆态网基准站坐标时间序列数据，总结了GNSS时间序列信号的特点，并将所有改进的EMD算法应用于陆态网基准站坐标时间序列降噪分析中。通过对实测基准站坐标时间序列数据进行实验，结果表明各种改进的方法具有较好的去噪效果，克服了传统EMD去噪方法存在的问题，能够更进一步提高GNSS信号的精度。