本书综合运用机器学习算法、数理统计、信号谱分析、时间序列分析的理论和技巧对GNSS坐标时间序列进行重构分析， 这些方法包括：（1）基于核范数的重构方法；（2）基于加权核范数的重构方法；（3）基于截断核范数的重构方法；（4）基于原子范数的重构方法；（5）基于Huber-M的重构方法；（6）基于滑动L_2准则的重构方法；（7）基于Bi-LSTM神经网络的重构方法。这些方法相对于传统方法更加适应于实际数据的采集环境，包括：缺失数据、野值情形以及周期信号为时变振幅情形；同时也能得到相较传统方法更好的重构精度。