噪声背景中的信号检测和估计是信号处理领域里的核心问题之一，它在雷达、声纳、振动测量、生物医学、地震信号处理等方面有着极其广泛的应用。传统的信号检测和估计方法一般是建立在背景噪声是白噪声这一假设基础之上。然而在实际环境中，白噪声的假设并不总是成立，当实际噪声不满足白噪声模型时，传统信号检测方法的性能将会严重的恶化甚至失效。这也就促成了色噪声背景中信号检测和估计技术的发展。本研究课题正是在这一需求背景下选定并进行研究的。 本文主要利用高阶累积量这一现代信号处理的理论和方法，结合自适应技术，对单频信号及包含线谱成分的信号进行检测、估计和线谱增强。本文的主要研究工作如下： 介绍了基于观测信号四阶混合累积量切片的直接型IIR陷波器，并与传统的基于观测信号自相关函数的IIR陷波器进行了比较，得出结论：基于四阶混合累积量切片的陷波器不仅可以抑制高斯色噪声的影响，同时可以抑制其它多种色噪声，如瑞利分布，均匀分布等色噪声的影响。仿真结果证明了该理论的正确性。 提出了一种可以实时检测和估计信号的方法，该方法在计算量方面具有优势，并可以根据观测到的信号实时改变滤波器的参数，对变频信号也有很好的跟踪能力。 针对二阶自适应格型IIR陷波器的复数算法，分析了梯度算法和简化的梯度算法的收敛性能，证明了输入白噪声方差的大小不影响收敛速度。分析了由一阶自回归模型产生的色噪声对算法的收敛性能的影响，得出色噪声中算法收敛速度与陷波器初始值的选择有关的结论。 针对一种简单的陷波器级联结构的不足，给出了一种稳定的陷波器级联方式，仿真表明，该级联方式在白或色的噪声环境中均可以提取单频信号，并稳定地收敛到信号的真实频率附近。 提出了一种基于输出信号四阶累积量峰度的自适应滤波器算法，该算法以输出信号的四阶累积量峰度的平方值为代价函数。仿真表明，与原简化梯度算法相比，在低信噪比时，该算法有着更好的抑制色噪声的能力。同时，该算法也能够很好地跟踪并估计观测信号的频率变化。 最后，用外场实测数据验证了所提算法的性能，并给出了实验处理的结果。