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。