全球导航卫星系统（GNSS）是以时间测量为基础的系统,星载原子钟作为系统测距的星上时间参考,又是系统有效荷载的核心之一,其性能直接决定着导航定位的精度。开展GNSS星载原子钟的相关研究对于系统的正常维持和运行具有重要的理论意义和实践价值。在GNSS星载原子钟的相关研究中,进行在轨星载原子钟性能的评估和分析,是掌握卫星钟运行状况的一种重要手段;而卫星钟差的建模和预报研究,在维持系统时间同步、满足实时动态精密单点定位的需求等方面具有重要的作用。同时,合理地评定钟差数据的质量以及有效地进行钟差数据的预处理是星载原子钟性能分析和卫星钟差建模与预报的前提。基于此,本文采用GNSS卫星钟差产品对钟差数据预处理、钟差产品质量评定、星载原子钟性能分析及卫星钟差建模与预报进行了系统的研究。论文主要成果和创新点为:1.设计了一种基于中位数（MAD）方法的长时间段钟差数据预处理策略。该策略首先提取长时间段卫星钟差数据的非空历元,基于MAD方法对其进行预处理,然后使用MAD方法对每天的钟差数据进行再次预处理得到最终处理后的钟差数据。通过对一年BDS卫星钟差数据的预处理证明了所提预处理策略的有效性。2.提出了一种基于小波分析的异常钟差数据预处理方法。该方法首先对频率数据进行小波分解,得到分解后的低频小波系数和各层的高频小波系数,然后结合小波系数图和阈值公式判断小波系数中异常点的位置并对其进行处理,最后将处理后的小波进行重构,还原得到处理后的钟差数据。从所提方法对粗差点的处理效果、不同尺度小波分解对处理结果的影响以及不同小波函数预处理效果的差异三个方面,验证和分析了所提方法的有效性及其相关特性。3.基于3年的多星定轨联合解算的BDS精密卫星钟数据,利用改进的MAD方法进行数据预处理分析了卫星钟差数据的特点,使用卫星钟差二次多项式拟合模型分析了卫星钟的相位、频率、钟漂及钟差模型噪声的长期变化特性,根据频谱分析的方法分析了卫星钟差的周期特性,采用重叠Hadamard方差计算并讨论了卫星钟的频率稳定性,同时计算和分析了频率准确度与日漂移率的长期变化特点。综合上述方法及其实验结果较为全面地分析和评估了BDS星载原子钟的长期性能。4.通过星载原子钟的频率准确度、频率漂移率、频率稳定度、观测噪声水平和钟差周期特性这5个指标的长期变化,分析评估了GPS BLOCK IIF星载原子钟的长期性能。计算分析表明:铷钟的频率准确度为7.1?10^-12(?2.1?10^-13),短期频率漂移率和日漂移率分别为3.4?10^-19(?1.2?10^-20)/秒和5.5?10^-14(?1.1?10^-14)/天,平均噪声水平约为0.2纳秒;铯钟的频率准确度为1.0?10^-12(?2.9?10^-15),短期频率漂移率和日漂移率分别为1.4?10^-18(?4.9?10^-20)/秒和3.4?10^-15(?5.4?10^-16)/天,平均噪声水平约为1.0纳秒,并且指标变化相对平稳;铷钟的2小时、6小时、12小时和天稳定度分别为3.4?10^-14、2.3?10^-14、7.3?10^-15和6.4?10^-15,铯钟对应的稳定度指标分别为1.9?10^-13、1.1?10^-13、7.9?10^-14和5.6?10^-14;卫星钟差存在显著周期项,主周期分别近似为卫星轨道周期的1/2倍、1倍或2倍。5.为了更好地反映钟差特性并提高其预报精度,建立了一种能够同时考虑星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差模型。首先采用附有周期项的二次多项式（MQP）模型进行拟合提取卫星钟差的趋势项与周期项,然后根据拟合残差的特点采用时间序列ARIMA模型对残差进行建模;最后将两种模型的结果结合得到最终钟差预报值。使用IGS精密钟差数据进行预报试验,将新方法与二次多项式（QP）模型、灰色（GM）模型及ARIMA模型进行对比,证明了新方法能够更高精度地预报卫星钟差,且可以一定程度上改善ARIMA存在模型识别与定阶不准的不足。6.基于抗差最小二乘配置（LSC）方法提出了一种能够同时顾及星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差模型。首先使用MQP进行拟合提取卫星钟差的趋势项与周期项,然后针对剩余的随机项及其可能存在的粗差,采用抗差LSC的原理进行建模,其中LSC模型的协方差函数通过对比协方差拟合的方法并结合试验进行确定。基于IGS精密钟差数据进行预报试验,将该方法与QP模型、GM模型进行对比,预报精度分别提高了0.457纳秒和0.948纳秒,而预报稳定性则分别提高了0.445纳秒和1.233纳秒,证明了新模型能够更加准确地反映卫星钟差的特性并且更好地进行钟差预报,同时也说明了所提协方差函数确定方法的有效性。7.对钟差一次差分预报原理进行了改进,并设计了针对钟差一次差分数据的预处理方法。分析了几种常用钟差预报模型在钟差一次差分数据条件下的预报特性,并从原理上推导证明了钟差一次差分数据符合一次多项式模型;据此再结合对IGS RTS卫星钟差改正数的分析,提出一种钟差改正数预报方法,实验表明进行30秒预报时其精度可达0.06纳秒。8.根据卫星钟差的特点,基于小波神经网络（WNN）提出了一种能够改善卫星钟差预报效果的方法。首先相邻历元钟差数据进行一次差分得到对应的钟差一次差分序列,然后对该序列进行预处理,并基于预处理后的一次差分数据对WNN进行建模;在建模的过程中,采用遗传算法优化WNN的初始网络参数。模型确定后,根据时间序列预报一次差分值,最后将预报的一次差分值还原得到对应的钟差预报值。实验结果表明:所提的一次差分方法使得预报钟差的WNN不但模型结构简单而且预报精度高,针对钟差一次差分序列所设计的数据预处理方法通过降低数据粗差的影响能够进一步改善WNN的预报性能,新方法一天内的预报效果优于IGU-P钟差,并且其中长期预报性能优于几种常用模型。