风作为一种重要的自然现象,与人类社会的生产生活密切相关。在航空领域、航海领域、工业领域、农业领域、环境监控领域,风参数的准确测量都发挥着重要的作用。现有的测风仪器主要有机械式测风仪、热式测风仪、激光多普勒风速仪、超声波风速仪等,其中超声波测风仪具有测量范围大、测量速度快和灵敏度高的优势被广泛应用。传统的超声波风速计主要根据时差法进行风速风向的测量,其基本原理为:在顺风和逆风条件下,基于超声波脉冲信号在发射器和接收器间的飞行时间（TOF）来测量风速。因此风参数测量精度与TOF测量精度密切相关,在低信噪比环境下,TOF的测量精度严重下降,无法实现风参数的准确测量。针对目前超声波测风仪存在的缺陷,本文主要通过设计一种互质弧形超声波传感器阵列结构,来提高超声波信号的空间利用率,增加风信号的冗余信息,然后利用相应算法实现风参数的准确测量和预测。本文主要创新点和主要工作内容如下:1.设计了一种互质弧形超声波传感器阵列结构,这种结构与传统均匀阵列结构相比,具有扩大阵列孔径,提高风参数测量精度的优势,基于此阵列结构推导风场环境中互质弧形阵列的阵列流型矢量;2.基于互质弧形阵列结构,建立阵列接收信号数学模型,结合多重信号分类算法（Multiple Signal Classification,MUSIC）,通过谱峰搜索的方式实现风速风向的测量;在此基础上提出基于传播算子（Propagator Method,PM）的测风算法,基于互质阵列可以得到与MUSIC算法相似的测风性能,更重要的是减小了算法计算量;最后结合理论分析和仿真实验,验证了基于互质阵列的风参数测量性能;3.针对MUSIC算法和PM算法进行风参数估计时需要谱峰搜索、计算量较大的问题,推导了基于粒子群（Particle Swarm Optimization,PSO）算法和人工蜂群（Artificial Bee Colony,ABC）算法的风速风向测量方法,将风参数估计问题转化为函数寻优问题,实现了风速风向的快速准确测量;仿真对比实验验证所提风速风向测量方法具有良好的测量性能,并且测量时间为原方法的六分之一,极大地提高了测风系统的实时性;然后对粒子群算法进行改进,得到动态粒子群算法,进一步提高了风参数的估计性能,实现了风速风向的实时跟踪;4.针对动态风速风向测量问题,建立了适用于风速风向变化的匀速模型（Constant Velocity,CV）和匀加速模型（Constant Acceleration,CA）;然后提出了一种基于滤波算法的风速风向预测方法,推导了扩展卡尔曼滤波（Extended Kalman Filter,EKF）和粒子滤波（Particle Filter,PF）实现风速风向预测的数学模型;最后基于所提预测方法设计仿真对比实验,验证所提方法可以有效地监测不断变化的风场情况。