Los sistemas globales de navegación por satélite (GNSS) son una herramienta importante para los servicios de posicionamiento, navegación y sincronización (PNT). El procesamiento rápido y de alta precisión de datos de GNSS depende de la fijación fiable de ambigüedades enteras, cuyo rendimiento depende de la estimación de sesgos de fase. Sin embargo, el modelo matemático de estimación de sesgos de fase de GNSS se enfrenta al problema de la deficiencia de rango, lo que hace que la estimación de sesgos sea una tarea difícil. La combinación de métodos basados en Monte Carlo y el procedimiento de procesamiento de datos de GNSS puede superar el problema y proporcionar estimaciones de sesgos que convergen rápidamente. La reducción de la varianza del algoritmo de estimación tiene el potencial de mejorar la precisión de las estimaciones y es significativa para servicios de PNT precisos y eficientes. En este documento, en primer lugar, presentamos la dificultad en la estimación de sesgos de fase e introducimos el método secuencial cuasi-Monte Carlo (SQMC), luego desarrollamos el algoritmo de estimación de sesgos de fase de GNSS basado en SQMC, e investigamos los efectos de la secuencia de baja discrepancia en la reducción de la varianza. Experimentos con datos prácticos muestran que la secuencia de baja discrepancia en el algoritmo puede reducir significativamente la desviación estándar de las estimaciones y acortar el tiempo de convergencia del filtrado.