海流,是海水的普遍运动形式之一,是影响和调节全球气候变化的重要参数。相比于现场观测及其他遥感观测,顺轨干涉合成孔径雷达[along-track interferometric（ATI）synthetic aperture radar（SAR）]具有高分辨率、宽覆盖、低成本及不受天气影响的优势,因此ATI-SAR系统作为强大的遥感工具被应用到海表面流的测量之中。然而在沿岸水域,由于信号的欠采样,常常会在SAR图像上出现方位模糊,方位模糊对测流的精度有很大的影响。因此本论文推导了存在方位模糊的测流误差公式,并模拟分析雷达系统参数、模糊信号比和风速对测流误差的影响。为了提高ATI-SAR的海表面径向流（lineof-sight,LOS）测速精度,需要进行方位模糊抑制,本论文分别提出SAR图像域的方位模糊抑制方法,相对加权法;以及SAR多普勒域的基于特征值谱熵（Eigenvalue Spectrum Entropy,EVSE）分析的基线-平台测速比（baseline-to-platform speed ratio,BPSR）估计方法。本论文提出的相对加权方位模糊抑制方法是利用SAR图像的平均散射强度与每个像素功率值的比值（该比值<1）,将该比值作为干涉对的加权系数进行模糊抑制,该方法适用于海陆对比度小、人造目标物多的沿岸海域。本论文提出另外一种基于EVSE分析的BPSR估计方法是基于特征谱熵分析方法的改进,这些改进包括考虑了卫星轨道和不准确基线的影响,对场景非均匀性的测量、相干推断相位波动的校正和干涉导出的相位变异性;后两个变量与EVSE阈值的确定密切相关。此外,该方法实现了BPSR估计。现有的方法通常基于理想情况的假设,而本论文提出的方法针对的是实际的操作环境,并考虑了BPSR的准确性,适用于更多的ATI-SAR系统。本论文对前人提出的剔除像素法、自适应多视方法和EVSE分析方法以及本论文提出的相对加权方法和基于EVSE分析的BPSR估计方法分别进行了实验和比较,将本论文提出的改进后的方法应用于沿海地区海面流速模拟数据,其均方根误差小于0.05 m/s。该算法的其他优点是具有自适应性、鲁棒性和较少的用户输入需求。最重要的是,相比于其他方法,本论文提出的改进的方法更适合实际应用。