本書綜合運用機器學習算法、數理統計、信號譜分析、時間序列分析的理論和技巧對GNSS坐標時間序列進行重構分析，這些方法包括：(1)基于核范數的重構方法；(2)基于加權核范數的重構方法；(3)基于截斷核范數的重構方法；(4)基于原子范數的重構方法；(5)基于Huber-M的重構方法；(6)基于滑動L_2準則的重構方法；(7)基于Bi-LSTM神經網絡的重構方法。這些方法相對于傳統方法更加適應于實際數據的采集環(huán)境，包括：缺失數據、野值情形以及周期信號為時變振幅情形；同時也能得到相較傳統方法更好的重構精度。