本文主要对动态测量数据处理方法进行了研究,包括自适应因子的求解、有色噪声的处理方法及加权观测融合算法等,论文主要内容和成果概括如下:1、对三种常用的动态测量数据处理方法:Wiener滤波、Kalman滤波及现代时间序列分析方法进行了分析和比较。阐述了三种动态测量数据处理方法的基本思想、适用条件和各自的优缺点,并详细推导了它们之间的转换关系。2、在自适应序贯平差中,基于后验方差估计理论,提出了确定自适应因子取值范围的方法。并以均方误差作为评判未知参数解优劣的标准,利用谱分解的方法求取了在该范围内的最佳自适应因子值。该方法求解出的自适应因子值不仅使均方误差达到最小,而且使求解后得到的结果具有一定的实际意义。3、在深入分析有色噪声对参数估计影响的基础上,基于多项式长除法原理提出了有色噪声模型的级数表示及其补偿的方法,详细推导了有色噪声模型级数展开的表达式。由于该方法抑制有色状态噪声是借助于多项式长除法,无论噪声模型是简单的一阶AR模型还是ARMA或MA模型,都能进行有效处理,具有很强的扩展性。4、在观测噪声为有色噪声的条件下,对粗差的辨识与处理方法进行了研究。在对常规的粗差辨识方法分析的基础上,提出利用噪声模型级数展开求取有色噪声方差的方法,利用该方法对新息序列的正交性进行了修正,并构造出粗差辨识函数以及有效合理的剔除方法。仿真计算表明该方法能对粗差进行有效地辨识,降低误判率,提高滤波结果精度。5、在信息融合技术中,对加权观测融合方法进行了研究与探讨。在观测噪声为一阶AR模型的情况下,利用观测向量组差法可以消除有色观测噪声的影响,得到最优加权观测融合方程。在对上述方法分析的基础上,提出基于有色观测噪声随机模型级数展开的方法,利用该方法求出各局部传感器的有色观测噪声方差,并利用该方差对加权观测融合滤波器进行构造,仿真计算表明该方法能处理有色观测噪声为ARMA的模型,具有很强的扩展性。6、将本文提出的有色噪声处理新方法应用于实测的GPS动态数据处理中,利用C/A码伪距观测量并结合Kalman滤波进行了动态单点定位的解算,过程包括系统状态方程的建立、观测方程的线性化、状态初始值的选取。