为准确且精细地识别云相态，提出一种基于模糊逻辑识别云相态的优化算法，基于不同云粒子特征参数对T函数系数进行了调整。考虑了回波反射率因子衰减和温度对云相态识别准确性的影响，利用毫米波云雷达订正后的回波反射率因子、径向速度、谱宽和微波辐射计探测的连续时空温度，作为优化后的模糊逻辑算法的输入参数。优化后的模糊逻辑算法在原有云粒子相态（冰晶、雪花、混合相态、液态云滴、毛毛雨和雨滴）识别的基础上，还可实现对过冷水和暖云滴的识别。利用该算法对2022年2月6日陕西省西安市一次降雪过程的云粒子相态进行识别，将近地面的云粒子相态结果与同址地面降水现象仪记录的降水粒子相态进行对比，二者探测的相态有较高的一致性，说明优化后的算法能准确且精细地识别云粒子相态。

针对国内首部固态、多观测模式体制的Ka波段毫米波云雷达观测资料, 提出速度模糊、噪点-径向干扰杂波和悬浮物杂波的质量控制方法, 并对方法效果进行了检验和分析.结果表明, 该方法具有很好的成功率和稳定性, 15个云过程检验的退模糊成功率都达到100%; 能准确判断出速度模糊和类型并纠正平均多普勒速度和谱宽; 能较好地滤除噪点和径向干扰杂波, 并对缺测进行补值; 能较好去除低空悬浮物杂波, 同时保留小尺度的云.

联合激光雷达和毫米波雷达对卷云观测可以得到更全面的卷云特性信息，是卷云观测的一种发展趋势。使用美国大气辐射观测(Atmospheric Radiation Measurement，ARM)计划中卷云观测数据，将激光雷达和毫米波雷达反演的云边界信息相结合，得到更为准确的卷云边界信息。提出卷云微物理特性的激光雷达和毫米波雷达联合反演算法，该联合反演算法能在激光雷达不能穿透或毫米波不能识别卷云的情况下，反演出整个卷云的冰水含量、光学厚度。使用联合反演算法对一次卷云过程进行反演，其中激光不能穿透的区域冰水路径含量反演精度提高24%，毫米波雷达无法识别的区域冰水路径含量反演精度提高48%。在正确反演冰水含量的基础上，利用冰水含量、粒径分布与光学厚度的关系得到卷云过程的光学厚度，克服了由于卷云对激光雷达强衰减导致的光学厚度观测的困难。

为了订正大气和云对毫米波雷达信号的衰减，选取了层状云、降水性层状云及对流云个例，进行了衰减订正试验.根据雷达反射率因子Z与衰减系数k的经验关系，采用分级逐库订正法进行订正.结果表明，对于回波强度比较弱的层状云来说，订正后数据可靠性较高; 对于降水回波来说，雨水及传播路径中的丰富水汽都会造成毫米波信号的严重衰减，因此降水云的衰减订正难度大.经过订正后，虽然还存在误差，但对毫米波雷达数据的质量有明显改善.