随着雷达遥感探测技术的不断发展,利用天气雷达定量估测降水得到愈来愈广泛的应用。由于雷达受系统复杂与外界干扰影响测量准确性低,且降雨的时空特性强,变化较快,目前通过雷达反射率因子（Z）和降雨强度（I）建立关系式Z=AI^b进行估测降水的效果并不是很理想。本文围绕提高雷达定量估测降水精度进行研究,提高雷达探测资料质量,并利用人工神经网络（Artifical Neural Network,ANN）出色的非线性问题解决能力,寻求一种适宜的估测降水方法。本文主要研究内容如下:1.研究了X波段雷达功率谱数据处理方法。首先在分析气象回波时域和频域特性基础上,进行气象回波的仿真;其次利用模拟的气象回波定量评估三种噪声电平计算方法;重点分析对比频域估计算法和脉冲对算法的谱矩估计性能,针对谱矩估计性能受噪声影响较大的问题,提出了一种改进的FFT/NS方法,通过仿真实验表明,该方法减小了噪声对谱矩估计性能的影响,提高了抗干扰性;最后利用谱点数阈值和SNR阈值进行气象信号识别,提高气象回波信号质量。2.研究了神经网络在雷达定量估测降水中的应用。首先利用2019年6月份西安市东南地区的雷达探测资料和地面雨量站实测资料,根据空间和时间一致性原则建立反射率因子-雨强数据对,并对数据进行质量控制;其次通过反向传播（Back Propagation,BP）和径向基函数（Radical Basis Function,RBF）神经网络结合数据对建立雷达估测降水模型用于地面降水估测,并与利用最小二乘法拟合得到的Z-I关系式进行试验比较;然后根据平均误差（ME）、平均相对误差(W_abs)、均方根误差（RMSE）和相关系数（R²）四个评价指标,以及累计降雨量估测结果表明:两种神经网络估测降水模型测量精度要优于Z-I关系式;最后考虑研究区域处于黄土台塬且地势起伏较大,考虑模型的输入量加入雷达-雨量站相对海拔高度和相对距离两个参数,该方法在小时降雨和累积降雨上均能得到准确的降雨估测值,提高了降水估测精度。3.天气雷达信号处理驱动软件的设计与实现。根据系统需求进行功能模块划分和软件架构设计;使用Qt图形应用框架作为开发工具,采用模块化设计思想和多线程编程方法,设计了网络通信模块、系统控制模块、数据采集模块、信息显示模块和仿真测试模块;该软件为神经网络训练提供大量历史数据,并为提高雷达基本产品质量提供保障。