本书针对实际GNSS坐标时间序列可能出现的数据缺失、野值以及周期项的时变特征，利用多种约束优化方法以及神经网络方法并结合GNSS坐标时间序列模型对其进行精确重构。

1 绪论
1.1 GNSS坐标时间序列处理概述
1.2 GNSS坐标时间序列研究现状
本章小结
参考文献
2 GNSS坐标时间序列模型以及数据预处理
2.1 GNSS坐标时间序列模型
2.2 GNSS坐标时间序列预处理
本章小结
参考文献
3 基于核范数的GNSS坐标时间序列重构
3.1 基于核范数的GNSS坐标时间序列重构算法原理
3.2 仿真实验
3.3 实际数据分析
本章小结
参考文献
4 基于加权核范数的GNSS坐标时间序列重构
4.1 基于加权核范数的GNSS坐标时间序列重构算法原理
4.2 仿真实验
4.3 实际数据分析
本章小结
参考文献
5 基于截断核范数的GNSS坐标时间序列重构
5.1 基于截断核范数的GNSS信号重构算法原理
5.2 仿真实验
5.3 实际数据分析
本章小结
参考文献
6 基于原子范数的GNSS坐标时间序列重构
6.1 基于原子范数最小化的GNSS坐标时间序列重构算法原理
6.2 仿真实验
6.3 实际数据分析
本章小结
参考文献
7 基于Huber-M估计的GNSS坐标时间序列重构
7.1 基于Huber-M估计的GNSS坐标时间序列重构算法原理
7.2 仿真实验
7.3 实际数据分析
本章小结
参考文献
8 基于Bi-LSTM神经网络的GNSS坐标时间序列重构
8.1 循环神经网络
8.2 Bi-STM网络模型
8.3 仿真实验
8.4 实际数据分析
本章小结
参考文献