信号参数估计已广泛应用于众多领域,如军事、通信、电力系统及语音处理等,而在实际检测工程中,信号的获取、采集、传输等过程中无法避免受到各种噪声的影响,并且实际研究信号均为有限长信号。因此,研究低信噪比条件下短时信号的参数检测方法具有重要应用价值。本文对最大似然估计法、自相关法、参数模型法、离散傅里叶变换法及MUSIC算法的理论进行深入研究,并通过仿真实验比较算法的性能。在充分总结各算法的基础上,针对低信噪比条件下的正弦信号参数估计精度不足的问题,本文提出了基于DFT算法及MUSIC算法的改进算法。主要研究工作如下:提出了一种基于DFT算法的双门限综合插值的单频正弦信号参数估计算法,通过插值方法对DFT的频率估计进行校正。对算法进行仿真分析,仿真结果表明该算法的估计精度有明显提高,算法性能更接近CRB界,能得到更精确的频率估计值,从而获得更准确的幅度估计值。提出了一种基于MUSIC算法的融合拟牛顿迭代的多频正弦信号参数估计算法,通过拟牛顿迭代算法优化谱峰搜索,并利用最小二乘算法对信号幅度进行估计。对算法进行仿真分析,仿真结果表明该算法的运算量较MUSIC算法有明显降低,并且在低信噪比条件下,对信号的频率和幅度的估计精度均有所提高。