GNSS星载原子钟是决定导航、定位和授时性能的导航卫星核心载荷之一，开展卫星钟相关研究对于系统的正常维持和运行具有重要的理论意义和实践价值。本文采用GNSS卫星钟差产品对钟差数据预处理、钟差产品质量评定、星载原子钟性能分析及卫星钟差建模与预报进行了系统的研究。论文主要成果和创新点如下：

(1) 设计了一种基于中位数(MAD)方法的长时间段钟差数据预处理策略。该策略首先提取长时间段卫星钟差数据的非空历元，基于MAD方法对其进行预处理，然后用MAD方法对每天的钟差数据进行再次预处理得到最终处理后的钟差数据。预处理试验的结果验证了所提策略的有效性。

(2) 提出了一种基于小波分析的异常钟差数据预处理方法。该方法首先对频率数据进行小波分解，得到分解后的低频小波系数和各层的高频小波系数，然后结合小波系数图和阈值公式判断小波系数中异常点的位置并对其进行处理，最后将处理后的小波进行重构，还原得到处理后的钟差数据。从新法对粗差点的处理效果、不同尺度小波分解对处理结果的影响以及不同小波函数预处理效果的差异三个方面，验证和分析了所提方法的有效性及其相关特性。

(3) 给出了一种能够同时考虑星载原子钟多种性能指标的GNSS卫星钟长期性能评估体系：基于长时间段的卫星钟差数据，利用改进的中位数方法进行数据预处理分析卫星钟差数据的特点，使用卫星钟差二次多项式拟合模型分析卫星钟的相位、频率、钟漂及钟差模型噪声的长期变化特性，根据频谱分析的方法分析卫星钟差的周期特性，分别采用重叠Allan方差和重叠Hadamard方差计算并讨论星载铯钟和铷钟的频率稳定性，计算并分析频率准确度和日漂移率的长期变化规律。此外综合上述方法及其结果，较为全面地评估了BDS和GPS BLOCK IIF卫星钟的长期性能。

(4) 顾及星载原子钟物理特性、钟差周期性变化与随机性变化的特点，建立了附有周期项和ARIMA的二次多项式模型(组合模型)以及基于抗差最小二乘配置理论的卫星钟差模型(LSC模型)。钟差预报试验及其结果分析表明：顾及钟差周期特性与随机特性能够进一步提高钟差建模的准确性和钟差预报的效果，组合模型能一定程度克服单独使用ARIMA模型进行钟差预报时的不足，针对LSC模型所给的协方差函数确定方法及其对应的参数取值范围是有效的，两种新模型均能有效地预报钟差且效果优于常用模型。

(5) 对钟差一次差分预报原理进行了改进，并设计了钟差一次差分数据的预处理方法。在此基础上，分析了常用钟差预报模型在钟差一次差分数据条件下的预报特性，且从原理上推导证明了钟差一次差分数据符合一次多项式模型；同时结合对IGS RTS卫星钟差改正数的分析，提出了一种钟差改正数预报方法，其30 s的预报精度可达0.06 ns。

(6) 根据卫星钟差的特点，基于小波神经网络(WNN)提出了一种能够改善卫星钟差预报效果的方法。首先相邻历元钟差数据进行一次差分得到对应的钟差一次差分序列，然后对该序列进行预处理，并基于预处理后的一次差分数据对WNN进行建模；在建模的过程中，采用遗传算法优化WNN的初始网络参数。模型确定后，根据时间序列预报一次差分值，最后将预报的一次差分值还原得到对应的钟差预报值。试验结果表明：一次差分方法使得预报钟差的WNN不但模型结构简单而且预报精度高，针对钟差一次差分序列所设计的预处理方法通过降低数据粗差的影响能够进一步改善WNN的预报性能，新方法1天内的预报效果优于IGU-P钟差且其中长期预报性能优于几种常用模型。