本文主要研究Mie散射激光雷达信号消噪和反演气溶胶粒子谱分布。由于Mie散射激光雷达系统现有的缺陷,使得所测得的回波信号信噪比不高,严重影响对消光系数、水汽混合比和偏振的研究。另外,由于气溶胶光学厚度和粒子谱的关系式属于第一类Fredholm积分方程,求解出的气溶胶粒子谱rn)(通常是病态、不唯一的。为了解决这两个问题,本文主要用小波方法对激光雷达信号消噪和研究气溶胶粒子谱分布。回波信号消噪算法的研究主要是用自适应BP小波神经网络消噪算法来实现。用正交小波函数作为隐含层结点函数,搜索算法选取网络中最优的参数、阈值和隐含层结点个数,下降速度最快的Levenberg-Marquardt算法作为自适应小波神经网络梯度算法。通过对比拟合输出的均方误差和给定的均方误差,来调节整个BP小波神经网络,直到参数最优为止。与其它小波神经网络不同的是,本文的BP小波神经网络隐含层结点个数并不是给定的,而是通过搜索算法获得的。这种方法构造出的自适应BP小波神经网络可随外界环境的改变而进行自适应的调整。在气溶胶粒子谱反演算法的研究中,首先假设粒子是球形的,通过Mie理论求出消光系数和散射系数;其次,用CE-318测得所需的光学厚度;最后用小波Galerkin与Tikhonov正则化相结合的算法来求解。与传统的迭代算法相比,本文提出的方法方便简洁、易于计算,即用小波Galerkin方法把光学厚度和气溶胶粒子谱的关系式离散成线性方程组的形式,再用Tikhonov正则化法求出正则解。这样便克服了方程解的不稳定、不唯一的缺点。为了验证两种方法的可行性,前者与小波阈值消噪算法进行对比,后者选取2012年11月-2016年10月银川地区这四年中典型天气的光学厚度数据反演气溶胶粒子谱,并与实际的天气状况对比分析。实验结果表明:自适应BP小波神经网络消噪方法优于小波阈值消噪方法,并且用小波Galerkin方法反演气溶胶粒子谱分布来分析的银川地区天气状况与当地气象局提供的历史数据相吻合。