分别利用高斯拟合估计算法(Gaussian fitting estimation algorithm, 以下简称Gauss估计算法)和最大似然(Maximum Likelihood, ML) 离散谱峰值(Discrete Spectral Peak, DSP)估计算法(ML DSP)处理实测回波信号, 计算得到风速扰动的功率谱密度(Power Spectral Density, PSD)。根据Kolmogorov湍流理论中PSD与频率的-5/3关系, 比较不同距离门下的PSD, 采用高频区域的风速误差作为风速估计性能参数, 分析比较不同距离情况下风速误差, 并利用自相关系数分析风速时间变化的相关性。结果表明: 在距离较低的探测区域Gauss估计算法的风速误差微弱小于对应的ML DSP估计算法, 二者之间的风速误差差值最多不超过0.05 m/s。而在距离较高的区域, 两种算法的风速误差差值从820 m处的0.06 m/s增加至1 200 m的0.16 m/s。在风速的时间相关性分析上, Gauss估计算法的风速时间自相关系数明显大于对应的ML DSP估计算法, 说明Gauss估计算法处理的风速数据更具有稳定性。