时间延迟是表征信号的一个基本参量，对时间延迟及与其相关参量估计的研究，一直是信号处理领域中一个十分活跃的研究课题。它具有重要的理论意义和应用价值。一方面，人们在研究时延估计的原理和方法时，应用了数字信号处理、信号检测与估计、时间序列分析与建模和自适应信号处理等方面的理论和技术，从而为这些学科领域的发展提供了新的动力，促进了这些理论和技术的发展；另一方面，时间延迟估计的进展，又迅速应用于军事、工业领域和水声学、地震学、生物医学等学科领域。 信号的多径传播是雷达、声纳和地震勘探等领域经常遇到的问题之一。在多径环境下，时延估计的主要任务是如何将叠加信号加以分解，从而估计出信号多次到达的时间延迟。 在传统的信号处理中，高斯信号模型占据主导地位，这种假设在许多情况下是合理的，而且在该模型下设计的信号处理方法易于进行理论上的解析分析。然而，在实际应用中存在的大量非高斯信号和噪声具有显著的尖峰脉冲特性，如水声信号、低频大气噪声及许多人为产生的信号和噪声。如果仍采用高斯分布模型来描述这类过程，将会由于模型与信号噪声不能很好匹配而导致所设计的算法性能显著退化。α稳定分布则为这类过程提供了非常有用的理论工具，因此，通常用α稳定分布来描述这类具有显著尖峰脉冲状波形的随机信号。由于α稳定分布是广义的高斯分布，而高斯分布是口稳定分布的特例，因此口稳定分布模型具有更广泛的适用性。 但在低阶α稳定分布噪声下，由于没有有限的二阶统计量，因此在高斯模型下基于二阶统计量的多径时延估计方法不能正常工作。本文在背景噪声为α稳定分布模型条件下，应用分数低阶矩(FLOM)理论，依据现有多径时延估计方法，提出了在不同噪声背景下更具有韧性的高分辨率多径时延估计算法：P-EM算法、RHMTDE算法及FLOCS-ESPRIT算法。理论分析和计算机仿真表明，这些算法在高斯和非高斯α稳定分布噪声下都能对多径时延做出比较准确的估计。