电子战已经成为现代战争中压制敌方有效通信的重要作战手段。以破坏敌方电子设备的使用效能、保障己方电子设备发挥效能而采取的各种电子措施和行动的军事电子对抗形式,其最终目标就是使用电磁能和定向能控制空间的电磁谱。在复杂的未知的战场通信环境下,需要对敌方通信信号进行侦听、截获、监视、测向定位和识别,进而采取通信干扰手段,达到阻止、破坏或削弱敌方通信系统的正常运作,同时又要确保己方通信联络畅通。要达到上述目标均需要对天线接收到的敌方的通信信号进行特征分析和参数估计。在低信噪比下,对于截获到的直接序列扩展频谱(DSSS)信号的参数估计,波束到达角(DOA)的估计,以及伪随机序列的自动盲识别是对敌方通信系统进行侦察,干扰和反干扰的关键。目前,在强噪声背景下,大多数信号处理方法对非平稳随机过程下的信号参数估计精度不高,因此,低信噪比下信号参数估计成为信号处理领域内的热门研究课题。本文旨在研究强噪声背景下,鲁棒性强的信号特征提取算法。论文的主要创造性研究成果如下:利用不同频率特征的信号来构造样本库,利用特征提取算法提取样本库中的数据得到信号特征向量库。提出数据样本库的优化分层结构和改进的核成分分析算法相结合的信号细化特征提取方法,通过不同的特征测量法得到信号的频率估计值。仿真结果显示该方法能适用于不同的信号频段特征的提取且获得较好的估计性能。针对非平稳噪声环境下,传统算法无法在较低的信噪比下估计DSSS信号的参数缺陷,提出基于四阶量的自适应算法,其核心思想是通过多次循环迭代来提高截获信号的信噪比。该算法有效的解决了经典高阶量算法存在的计算量过大的问题。在证明算法收敛性的同时,利用仿真实验证明了算法对非平稳噪声和平稳噪声影响下信号参数估计的有效性。根据伪随机序列的强自相关性特点,利用矩阵分解估计伪随机序列的思想,提出基于高阶量的伪随机序列估计方法。仿真实验表明在低信噪比情况下,算法能实现截获信号中伪随机序列的精确同步和估计。在一维阵列中,通过前向和后向平均矩阵之间的差值来消除噪声的影响,从而得到精确的入射角的估计值。在阵元接收信号的输入信噪比与一维一样低的情况下,二维算法是将差分矩阵采用传播函数的思想转换成分块矩阵,从而降低强噪声影响以及入射源相关时带来的大的估计偏差。实验结果表明算法降低了计算复杂度,且能在非平稳噪声和平稳噪声环境下,实现有效的估计。