新一代天气雷达径向速度场存在速度模糊的问题。模糊一直困扰着雷达速度场的应用,使主观分析变得困难,使资料同化和风场反演结果变得不可靠。基于软件的退模糊算法是解决这个问题的途径之一。本文以CINRAD-SA业务雷达观测数据为研究对象,围绕着速度退模糊研究中存在的问题(速度模糊特征、退模糊算法的污染作用、连续噪声抑制、算法验证),开展了四个方面的研究。首先,用业务雷达观测数据,初步分析了速度模糊的特征,包括模糊的发生频率及其在站点、类型、时间和空间上的分布。分析结果认为：CINRAD-SA的速度模糊现象是普遍存在的,沿海雷达的模糊略多于内陆雷达,弱对流回波的模糊发生频率最高,冬半年的模糊远多于夏半年,而且模糊多出现在仰角为6.0。,方位角为70。(或250。),径向距离为50-60km,高度为5-6km的地方。这些特征为之后速度退模糊新算法的设计和验证提供依据。接着,从速度退模糊的基本原理出发,分析了退模糊错误的类型以及错误产生的原因。本文把错误分为两类,一类是一般错误,另一类是污染错误。通过分析发现,这两类错误的产生原因和危害不同,一般错误是由缺测引起的,而污染错误是由连续噪声所致。污染错误使退模糊后数据质量的改善情况变得不确定,这也是退模糊算法在应用中遇到的主要问题。因此,减小连续噪声的影响是提升退模糊算法性能的重要途径。基于上述的研究结果,本文提出了一种抗噪声的速度退模糊新算法(AND算法)。AND以减少污染错误为首要目标,通过消除连续噪声的影响提升算法性能。算法有三个步骤,噪声分离、曲线退模糊、噪声恢复,其中包含了一个无损的“分离-恢复”噪声抑制方案。这个方案解决了噪声抑制过程中误删除非噪声数据的问题,可以在有效抑制连续噪声的同时又不损失任何风场信息。退模糊时,以三条拟合曲线加权的方式来进一步抑制残留噪声,同时可以动态匹配不同尺度的风场。最后,为了验证AND算法的实际性能,从四站三年的业务雷达数据中选出所有模糊文件作为数据集,以文件正确率作为评分方法进行了全面的验证,与现有退模糊算法进行了直接和间接的比对,并给出了退模糊个例说明。验证结果表明：总的退模糊正确率接近90%,台风、强对流的退模糊正确率>94%,不连续层状云的退模糊正确率也达到了70%。AND算法明显优于WSR-88D退模糊算法,退模糊正确率比其高30个百分点,且污染错误的发生概率有较大幅度的降低。