舰船上通常使用舰载的风速计测量风向、风速值,然而由于流向舰船的风矢量会受到船体上层建筑的影响,使传感器布置点的风矢量产生倾斜变形,因此无法准确测出舰面风场稳态情况下的风向与风速值。为了得到稳态情况下的风场信息,本文对舰面稳态风场的估计技术进行研究,以找到精度较高的估计方法。本文以CFD模拟出的数据作为估计技术的研究数据。舰面稳态风场的估计算法所用到的数据统一使用引用的数值模拟仿真的舰面的多个测风点的风速风向数据,而参考舰面稳态风向风速真值数据则选择数值仿真模拟时输入的风速值与风向角度。本文通过对测风点的数据进行分析,发现风向风速的测量误差与风向角度强相关,而与船舶航速、风速关系不大。针对现有多传感器融合算法存在的问题,本文提出了一种使用雷达所测风向值与传感器所测风向、风速值进行联合估计的方法。在雷达所测风向范围的约束下,使用该角度范围内的多传感器最优加权融合算法进行估计。该算法大大改善了原始的多传感器最优加权融合算法的缺点,克服了它在所有真风向角下不适用的问题,提高了整体估计的精度。考虑到风速、风向的畸变情况与风向有非线性的关系,针对此现象,本文提出使用最小二乘法支持向量机,通过训练数据对该非线性关系进行回归。训练分别将真风矢量按空间直角坐标系分解后的风速分量作为输出数据,输入采用传感器在对应坐标轴下风速分量测量值与所有传感器的风向测量均值。该算法在高工况下,风速与风向的估计精度有提高。为了提高算法验证的置信度,本文对于真实风场的时间、空间特性进行了分析。真实的风场是一种在时间与空间上均不均匀的随机变量,并且风速计的实际测量方法是采用一段时间的均值,而仿真模拟的数据是单一风速下,并未加入这种时间上的不均匀度。使用舰载风速计实测数据对上述时间不均匀度进行分析,并在算法的验证数据中加入该种时间不均匀度,提高验证算法的置信度。通过对上述算法验证,改进的多传感器最优加权算法在所有工况下的估计效果稳定,但精度相对较差,而最小二乘法支持向量机的估计精度很高,但是相对不稳定,在低工况情况下易产生较大误差。