为了精确剔除GNSS（global navigation satellite system）坐标时间序列中的噪声，本文提出一种联合遗传算法（genetic algorithm， GA）和变分模态分解（variational mode decomposition， VMD）的降噪方法GA-VMD。该方法首先利用GA优化VMD参数，然后引入多尺度排列熵（multiscale permutation entropy， MPE）作为噪声分量的筛选标准，最后将剩余分量重构得到降噪后的信号。本文通过仿真信号和实测数据的降噪实例，并与小波降噪（wavelet denoising， WD）、经验模态分解（empirical mode decomposition， EMD）等方法对比，分析GA-VMD的降噪效果。实验结果表明：对于仿真信号而言，GA-VMD方法相较于WD、EMD方法，信噪比分别提高了5.18dB和2.91dB，互相关系数分别提高了0.05和0.02；对于实测数据而言，GA-VMD方法对测站的速度不确定度和闪烁噪声的平均改正率分别为79.89%和84.46%，优于其他两种方法。以上分析表明GA-VMD方法能够有效减少GNSS坐标时序的噪声，提高其精度。