风速是气候学研究的主要参数之一，大气中风的测量对于全球气候变化研究、航天事业以及军事应用等方面都具有重要作用和意义。世界气象组织(WMO)曾指出，全球风场的主动观测是最具有意义和挑战性的气象观测之一。Fabry-Perot(F—P)干涉仪常用于探测中高层大气风场，其相关的研究始于20世纪60年代，发展至今，已经成为一种成熟有效的风场探测手段。然而，从F-P干涉仪获取信号到数据处理，再到风速反演的整个过程中，除了设备自身所带的误差影响外，处理过程中用到的不同方法、不同步骤等也会对最终结果造成影响。为了更加透彻的了解F-P干涉仪工作原理以及数据处理过程对最终结果的影响，本文采用仿真模拟的方法构建了F-P干涉仪探测大气风场的系统。在详细介绍F-P干涉仪工作原理的基础上，分析了数据处理及结果优化等操作对风速值结果造成的影响，并提出了针对不同需求的风速反演结果优化方案。　　本文的主要研究工作包括以下几个方面:　　(1)构建Fabry-Perot干涉仪系统。为了能使仿真信号更加逼真，在原始的输入信号中人为地添加了噪声和大气散射的影响。同时，对分别添加高斯白噪声、椒盐噪声和相乘噪声的不同结果进行了对比与分析，判断并评价添加不同噪声对仿真系统中探测信号的影响。　　(2)探测信号的处理。通过F-P干涉系统得到的是干涉环图样，为了能精确提取干涉环的圆心和半径，需要对干涉环图样进行一系列的处理，包括图像灰度转换、圆环的提取、细化等。其中，圆环的检测采用了多种不同的检测因子，然后在假定一个近似圆心的基础上，采用逐步迭代的方法求得最接近真实圆心的结果。　　(3)风速值反演。基于F-P干涉仪的测风原理，利用信号处理后得到的半径值，计算得到风速的反演值;再利用未添加噪声和大气影响的原始输入信号，得到风速的真实值。　　(4)风速值优化。得到的风速反演值和真实值必然存在差异，为了尽量减小这个差异，分别采用了高斯-牛顿迭代法、Levenberg-Marquardt算法、遗传算法和蚁群算法对风速值结果进行优化。通过比较四种优化方法在运行时间、目标函数值和风速优化值三个方面的优劣性，再结合信号处理中不同圆环检测因子的选择结果，评价出最适合于F-P测风系统数据处理方法及结果优化的方案。