线性调频信号是一类典型的非平稳信号,作为大时间—频带积的扩频信号,在雷达通讯、声呐、地震勘探等领域应用广泛,因此对其进行有效的参数估计是保证信息传递的关键。传统的信号处理方法,即傅里叶变换将信号从时域转移到频域,在单一域研究处理的方法,无法兼顾信号在时域和频域的局部信息,因此不再适用于非平稳信号的处理。短时傅里叶变换,Wigner-Ville分布等时频分析方法,因为联合了时域和频域,兼顾了信号在时间和频率上的局部特征,因此成为处理非平稳信号的有力工具。传统的信号处理一般研究的背景噪声为高斯型,但在工程应用场合,背景噪声往往表现出较强的脉冲特性。a稳定分布可以较准确地描述这类带有明显脉冲幅度的噪声,且与实际数据较吻合,因此本文将脉冲噪声建模为a稳定分布的背景下,展开对线性调频信号参数估计的研究:1.α稳定分布噪声相比于高斯噪声,表现出明显的脉冲特性,因此常规的时频分析方法不再适用于脉冲噪声下的信号处理。对此,本文利用广义柯西分布,构造了一类损失函数,由其对应的影响函数表明,此类损失函数可以适用于脉冲噪声下信号参数的估计。因此本文在最大似然估计理论的框架下,以S变换时频分析为基础,提出了稳健S变换方法。仿真实验验证了稳健S变换较Myriad滤波,Meridian滤波等非线性滤波方法,在较低的信噪比下实现了对LFM信号参数的估计,且提高了信号的时频聚集性;2.提出同步压缩Chirplet变换方法及适用于α稳定分布噪声的分数低阶同步压缩Chirplet变换。由于LFM信号的频率随时间呈线性关系,因此本文利用Chirplet变换,在同步压缩的理论框架之下,提出了同步压缩Chirplet变换,并进一步推广,使之可以适用于脉冲噪声环境。仿真实验表明,相比常规的时频分析方法,同步压缩Chirplet变换没有交叉项干扰,在提高LFM信号参数估计精度的同时,有效提高了LFM信号的时频聚集性。