在实际应用中,信号通常不能用确定的时间函数来描述,且持续时间无限长,针对这类信号,可以寻求其功率谱在频率上的分布,即谱估计。以傅里叶变换为基础的平稳随机信号的功率谱估计方法主要分为基于功率谱定义的经典谱估计方法和以参数化模型为主的现代谱估计方法。经典(非参数化)功率谱估计方法对样本以外数据假设为零,而现代(参数化)功率谱估计,使已观测数据和未观测数据服从同一模型,对未知数据做了合理地假设,因而所估计的功率谱具有更高的分辨率,谱估计误差更小。随着信息科学技术的发展,事物的运动规律和环境背景日趋复杂化,携带信息的信号呈现出突出的非平稳特性,以傅里叶变换为核心的信号处理工具表现出很大的局限性。线性正则变换作为傅里叶变换、分数阶傅里叶变换的推广形式,具有三个自由参数相比于分数傅里叶变换只有一个自由参数傅里叶变换没有自有参数,具有更强的灵活性,被广泛用于许多非平稳信号处理领域中,如雷达、声呐,通信中。线性正则功率谱估计现有的方法均为基于线性正则功率谱的定义的非参数化方法。基于线性正则自相关函数与线性正则功率谱的关系及线性正则卷积、滤波等基础理论,本文提出线性正则域参数化模型功率谱估计方法。通过给出线性正则域白噪声、线性正则平稳定义,线性正则域参数化模型传递函数具体形式以及研究推导线性正则相关函数、逆线性正则相关函数与模型参数之间的关系,建立了线性正则域参数化模型的基本框架理论。在给出线性正则参数化模型功率谱估计的理论框架后,针对具体数据,给出了使用线性正则参数化模型功率谱估计线性正则功率谱的具体步骤,将线性正则功率谱估计的问题转化为模型参数的估计问题。最后通过仿真并结合实际在雷达信号处理的实际应用,对算法的有效性进行了验证。