本文以SAR数据处理的数据模型为研究背景,提出了基于分数傅立叶变换的参数估计算法和相应的快速算法,并介绍了该算法的物理意义、特性以及现阶段的局限性.分数傅立叶变换(Fractional Fourier Transform;FRFT)是一种线性的时频处理方法,最早在光学领域用来描述透镜后光场沿光轴的分布.在上世纪90年代中后期才作为处理手段应用于信号处理领域,其物理意义是:给定信号的时频分布在时频域内与时间轴成某一角度的轴线上的积分投影.因此它与小波变换、Wigner-Ville分布等时频处理方法都有紧密地联系,它适用于处理非平稳信号.SAR数据处理中难度最大的是方位向处理,方位向的数据模型是多分量线性调频信号,因此方位向处理的重点就是对该信号模型的调频斜率、Doppler中心频率进行实时估计.在上述背景下,本文提出了新颖的对多分量线性调频信号的估计算法:利用分数傅立叶变换在时频域内对线性调频信号进行能量聚积;通过含参变量的匹配滤波器将上述分数傅立叶变换映射到二维域并通过Radon变换完成进一步的能量聚积.通过上述过程,多分量线性调频信号的能量被集中在由调频斜率和Doppler中心频率决定的一点上,通过对该点的检测,可以估计上述两个参数.正因为这样的物理过程,所以在白噪声背景下该算法有突出的信号检测能力.本文还进一步介绍了上述算法的快速算法,该快速算法由两次FRFT运算组成.因此该快速算法的计算复杂度取决于FRFT的运算复杂度,精度决定于两次FRFT的计算精度.局限于现阶段FRFT的算法(由于FRFT是现阶段前沿性的研究课题,因此FRFT的快速算法还没有得到妥善解决),本文的估计算法目前还不能应用到实际.尽管如此,该算法是首次被提出的基于FRFT理论的多分量线性调频信号的参数估计算法(目前文献中仅仅有单分量线性调频信号的基于FRFT的信号检测方法).