线性调频(LFM)信号是一类典型的低截获概率非平稳信号，且能够用于近似表示多种频率时变特性复杂的其他信号，广泛应用于雷达、声呐、地质探测与生物医学等系统。因此，LFM信号参数估计一直是信号处理领域的研究热点，具有重要的理论意义及实用价值。本文首先给出了LFM信号模型和能够描述复杂环境噪声的alpha稳定分布模型。针对复杂噪声模型给出了抑制alpha稳定分布噪声的常用方法，然后在时频分析理论的基础上，介绍了线性时频表示和双线性时频表示的特性与缺陷。线性时频表示方法不受交叉项干扰但窗函数限制了时频分辨率的提高，而双线性时频表示中存在严重的交叉项干扰，通过核函数的设计能够实现干扰的有效抑制，但通常是以时频分辨率为代价的。针对线性时频表示方法的局限性，本文分析了LPFT的时频聚集性能以及噪声、交叉项对它的影响，并结合Hough变换实现了LFM信号的参数估计。结合LVD(Lv’s distribution)方法对LPFT的参数空间集进行快速估计，可以进一步将二阶LPFT推广至多项式相位信号的参数估计。基于LPFT时频分析，采用限幅器预处理滤波方法实现了脉冲噪声环境中的LFM信号参数估计。针对具有良好时频聚集特性的双线性时频分析方法线平滑交叉项时，会出现参数估计精度降低和计算复杂度增加等问题，论文结合Keystone变换原理对模糊函数(AF)进行尺度变换，消除信号在时间轴上的线性频率偏移，然后对尺度变换后的时间变量作二维傅里叶变换，使信号各分量在参数域平面表现为多个独立尖峰，抑制交叉项的同时保持了较高的能量聚集，快速准确地提取了LFM信号的相位参数。SAT(scaled Ambiguity function transform)可有效抑制高斯噪声，但在脉冲性较强的alpha稳定分布噪声中，该方法性能退化。对此，论文结合分数低阶统计量理论，提出了一种alpha稳定分布噪声环境下的分数低阶SAT方法。仿真实验表明该方法在高斯噪声和脉冲噪声环境下均可稳定工作，具有较好的鲁棒性。