沿海雷达在进行实时观测降水过程中，经常会受到海浪回波的影响，海浪回波会对雷达基数据造成污染，影响估测降水及相关产品，所以需要进行自动识别、剔除。本文是开发出适合于我国新一代天气雷达的海浪回波识别方法。采用福州、温州、厦门、舟山、汕头、湛江的SA/SB多普勒雷达收集海浪回波资料，按出现时间关系将其分为两类。第一类海浪回波强度一般较强，主要在台风期间外的其余时间，降水过程前后出现；第二类海浪回波强度较弱且均匀，仅在台风期间，雷达位置的近海域出现。本文通过分析资料得到两类海浪回波不同于对应降水回波的各种特征，确定识别海浪回波的最佳隶属函数。针对第一类海浪回波，考虑到海浪回波很少与降水回波混合，本文采用了基于回波分块和模糊逻辑的海浪回波识别方法；首先利用算法预处理条件判断是否执行算法识别，然后采用SCIT算法将回波组合成块，计算每个独立回波块的属性值，对符合要求的回波块和离散回波点再进行基于模糊逻辑的逐点识别，并借鉴了刘黎平等提出的分步式回波识别方法并加以改进来实现回波点的动态阈值识别。针对第二类海浪回波，直接采用了基于模糊逻辑的分步式海浪回波识别方法。另外在第五章还研究了在新观测模式下的海浪回波识别。论文的主要结论如下：（1）通过回波强度、径向速度阈值的预处理，可以直接排除明显的降水回波。使得在统计特征分析时，更能有效地分析各种特征量。（2）第一类海浪回波和降水回波的TDBZ、SPIN、GDBZ、FOP、MDVE和MDSW这6个参量取值范围有明显区别，用这6个参量能够区分第一类海浪回波和降水回波并加以识别；第二类海浪回波和台风降水回波的TDBZ、SPIN、TVDBZ和MDVE这4个参量取值范围有明显区别，用这4个参量能够反演第二类海浪回波和台风降水回波特征并加以识别。（3）两种方法均能够分别有效识别两类海浪回波和对应的降水回波，在识别第一类海浪回波中，对于一般强度的海浪回波，本方法识别效果较好，可以识别出绝大部分回波；对于强度较弱（小于10dBZ）的第一类海浪回波，识别效果不是很好，有少量的剩余；在识别第二类海浪回波中，海浪回波的识别效果较好，可以识别出绝大部分回波，并且海浪回波的误判率和漏判率较小。（4）利用回波块的识别方法明显减少了对降水回波的误判；而利用分步式方法能进一步改善海浪回波的识别效果，特别是减少了没有径向速度资料的降水回波被误判为海浪回波的现象。（5）沿海雷达，在合理仰角选择范围内，可以降低扫描仰角，对降水能更完整、系统地进行观测，这样也有助于相应的产品的准确性。通过统计分析及识别结果表明：超低仰角-0.3°和0°观测下海浪回波识别参数(TDBZ、SPIN、TVDBZ和MDVE)与常规模式0.5°仰角下的概率统计分布差异不大。利用常规模式下的海浪回波识别算法应用在超低仰角下进行识别时可行的，但仰角越低，识别的准确率有一定的降低。