线性调频信号是一种非平稳信号,由于其截获概率低、作用距离远以及具有大时宽带宽积等优点,广泛应用于雷达、声呐、通信以及地震探测等领域。传统的线性调频信号的检测与参数估计方法大多是在高斯噪声环境下进行的,但近年来研究发现,实际应用中的噪声大多是非高斯的,更适合用alpha稳定分布模型描述。这种背景下,基于高斯噪声模型的信号处理方法均不再适用。因此,开展alpha稳定分布噪声下线性调频信号检测与参数估计方法的研究具有重要意义。传统参数估计方法在alpha稳定分布噪声下性能退化。对此,论文提出一种基于压缩变换函数的alpha稳定分布噪声下线性调频信号参数估计新方法。首先构造了一种新的压缩变换函数,并将其与分数低阶函数进行对比,推导证明了该函数具有更好的脉冲噪声抑制能力。接着分析了该函数在零点附近的近线性,推导了任意随机变量经过该函数变换后二阶矩有限,同时证明了函数变换后线性调频信号的初始频率和调频斜率信息不发生改变。然后将变换后的含噪信号进行分数阶傅里叶变换,根据变换域中峰值点坐标与信号参数的关系,寻找变换域中的峰值点,得到信号参数估计。仿真实验表明,该方法可有效抑制脉冲噪声且能准确估计出信号的参数信息,实现简单,具有良好的稳健性。Alpha稳定分布噪声下,传统的时频分析方法也不再适用。针对此问题,论文构造了一种能抑制大幅值脉冲噪声的柯西型变换函数,并在该函数的基础上提出一种短时柯西傅里叶变换时频分析新方法。该方法利用线性调频信号的短时平稳性,通过对时域观测信号加滑动窗,基于所提柯西型变换函数对窗内信号频域分析,得到信号的短时柯西傅里叶变换。该方法能够抑制脉冲噪声从而得到信号的时频分布。然后利用线性调频信号在时频域中为一条直线的特征,采用Hough直线检测法对线性调频信号的时频分布进行分析,得到信号的参数估计。仿真实验表明,该方法可以在alpha稳定分布噪声下有效估计信号参数,且对于不同强度的脉冲噪声均具有良好的性能。相关熵是近年来提出并迅速发展的信号处理新理论。相关熵实质上是一种相关函数,通过核函数的选取可以实现脉冲噪声的抑制。传统的相关熵大多采用高斯核函数,利用高斯函数的指数衰减特性实现对脉冲噪声的抑制。但由于脉冲噪声的随机性和不可测量性,单一的相关熵核函数面对这类复杂数据时处理能力较弱,此外还存在不能抑制连续相似脉冲噪声的问题。基于此,论文构建了一种混合相关熵函数（MCF）,以增强函数对复杂数据的处理能力,再对混合相关熵函数进行加权处理得到加权混合相关熵函数即WMCF函数,以解决相关熵无法抑制连续相似幅值噪声问题。WMCF函数保持了相关熵能抑制脉冲噪声的特点,同时相比于相关熵,WMCF函数的级数展开式中包含了信号的所有阶矩信息。另外,论文推导证明了alpha稳定分布下WMCF的存在性。将WMCF函数与STFT时频分析方法相结合,得到脉冲噪声下信号的SWMFT时频分布。利用线性调频信号的时频分布为直线这一特征,采用Hough变换得到信号的参数估计。该方法可对非高斯噪声背景下的信号进行时频分析,且在脉冲强度较大的环境下也能很好的抑制脉冲噪声,估计出信号参数。