跳频通信是现代无线通信对抗领域中常用的通讯方式。由于跳频通信具有良好的抗干扰、抗截获及较强的组网能力,使得它在军用无线电通信和民用移动通信的应用十分普遍,为此研究跳频信号的分析处理技术就变得尤为重要。本文在阅读大量文献的基础上,重点研究了基于稀疏原理的跳频信号时频分析算法及参数估计技术。本文首先简要介绍了跳频通信系统的组成原理及主要的参数,为后续的研究提供理论基础。同时深入探讨了几种传统的时频分析技术——短时傅里叶变换、魏格纳分布及其优化改进分布,结合仿真分析了影响它们时频分析效果的因素,并对这几种时频分析算法的性能进行了对比。其次,在时频分析方面,本文重点研究了一种基于稀疏重构的跳频信号时频分析法。该算法根据跳频信号特有的时频双稀疏性,建立了关于时频矩阵的稀疏重构问题模型,然后采用最速下降法求解该模型,针对在问题模型求解过程中出现的非凸且难以直接求解的l₀范数问题,本文提出了一种可以近似l₀范数的函数——T-Sigmoid函数。通过理论分析与算法仿真,对比分析了T-Sigmoid函数近似l₀范数与传统时频分析算法的时频分析效果,并深入研究了T-Sigmoid函数与现有近似l₀范数函数——高斯函数在近似精度、时频矩阵估计精度以及计算复杂度的上的优缺点,同时分析了稀疏重构算法在参数估计方面的性能。结果表明,T-Sigmoid函数近似l₀范数具有较好的时频估计效果和较强的实时性,而且还能用于实现对参数的粗估计。最后,针对跳频信号的参数估计,本文研究了一种基于稀疏线性回归的跳频信号参数估计法。针对该算法在低信噪比下,容易受到噪声的干扰,使得估计精度不高以及只能估计时间量,不能直接估计频率量的问题,提出了一种优化改进算法,与原算法相比,通过重构时频矩阵,然后对时频矩阵按列求最大值的方法去除了绝大部分的噪声干扰。仿真结果表明优化算法的鲁棒性较好,不仅提高了跳频周期、定时偏差的估计精度,而且还准确估计出了跳频信号的频率,进而恢复出了跳频图案。但是存在的不足之处是优化之后的算法只能估计单一跳频信号的参数,不再适用于多分量信号同时存在时的参数估计问题。