随着各国经济的快速发展,在一些大城市或特大城市的中心地带,土地资源日渐稀缺,人们不得不通过增加建筑物的高度来解决这一问题。但是高层建筑在运营期间由于受到某些外界因素的影响,很有可能会产生超出阈值的变形或者不健康的振动行为,因此对高层建筑进行变形监测十分有必要。在此背景下,本文研究了基于GNSS和加速度计的高层建筑变形监测方法,分别采用两种技术对同一目标建筑进行分析,主要内容包括:（1）针对加速度信号采集过程中包含的噪声,结合集成经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）和递归最小二乘（Recursive Least Square,RLS）算法的优势,提出了一种EEMD-RLS联合去噪算法来消除含噪信号中的高频噪声,对中低频信号进行重构得到处理后的加速度信号,设计仿真实验对三种算法的去噪效果分别从滤波后信号部分的均方根值(值)、滤波后噪声部分的均方根值(值)、降噪后的信号与原始信号的互相关系数（R值）三方面进行了详细对比与分析。实验结果表明,提出的EEMD-RLS联合去噪算法是消除中高频噪声而不失真的有效手段,且EEMD-RLS联合去噪算法的的降噪效果要优于单一的EEMD和RLS算法。（2）利用待测建筑物的实测加速度数据对可能影响高层建筑振动的因素进行理论分析并设计实验进行验证,设计小波分析和FIR带通滤波对风速风向数据和加速度数据进行处理,将求得的最大振动作为设计的仿真模型输入源,与实测数据进行对比验证了该仿真方案的可行性,并预估了当地铁引发的地表振动与1级风速影响均为最大值时,目标高70m建筑物的最大振幅具有一定参考性。（3）设计了一个集成上述数据处理方法和数据获取方法的综合测试系统,以东南大学逸夫建筑馆顶楼固定点为待测目标,以风速风向传感器、GNSS接收机、加速度计等传感器为测量手段,详细分析了实测数据,并对建筑物的模态参数进行了识别,证明了加速度响应对识别大型结构建筑物的自振频率等动力特性的有效性。利用第2章提出的EEMD-RLS联合去噪算法对两个监测点的加速度实测信号进行滤波,结果表明处理后的加速度信号频域积分得到的振幅显著降低,进一步验证了该算法去噪的有效性及对比单一的EEMD算法和RLS算法的优越性。