小波包分析是时频局部分析的有效工具,本文应用小波包变换分析了变形时间序列数据,为现代变形分析提供了一种有效的分析方法。主要贡献如下:一、应用小波包阈值消噪算法对变形时序数据消噪,仿真试验表明应用SURE熵选取最优小波包基、Birge-massart准则估计阈值、软阈值法量化阈值函数的小波包阈值消噪效果最好;应用小波包变换探测和提取系统性干扰和突变干扰,并剔除提取的系统性干扰,用原始数据中突变点两端数据的插值代替突变点的值,经预处理后,信号的信噪比有较大的提高,均方误差明显减小,为非高斯噪声消噪提供一种新的思路。二、实际小波滤波器的非理想截止特性导致各子带含有相邻子带的频率成分,包含在低频子带中的高频分量和高频子带隔点采样和隔点插值时,不满足采样定理,还将产生频率折叠和频带交错。针对频率混淆现象,采取节点重排序、改进单子带重构算法等措施改进经典的小波包变换算法,并通过仿真实例验证了改进的小波包变换算法消除频率混淆的有效性。三、提出应用Fourier变换分析信号的主要频率成分,应用改进小波包变换算法提取包含各主要频率的频带,实现GPS变形时序数据残差特征提取的新方法,并应用该方法提取了GPS观测值的年周期项、半年周期项、月周期项及半月周期项残差。与原有的应用小波包变换逐层逐频带探测残差的方法相比,新方法的计算量减少,而且提取的残差不含有多余的频率成分,更为可靠,为GPS误差改正模型的评价和模型参数的选取提供一定的参考。