时频分析是当今信息处理领域的一个研究热点,它使用时间和频率的联合函数来同时表征信号的时域和频域信息,克服了 Fourier变换的全局分析缺陷,目前在国防、工业、医疗等领域得到了广泛的应用。小波变换是一种信号的时间-尺度分析方法,具有多分辨率的“变焦”特性,非常适合分析时变的非平稳信号。本文在描述非平稳信号特征及表示方法的基础上,对常用的时频分析方法进行分析比较,得到各方法的自身特点及它们之间的联系。然后,针对它们现存的主要问题,在优化小波变换的基础上介绍两种时频分析改进方法,并将其应用于实际跳频信号的参数盲估计。本文的主要工作可分为以下几个部分:首先,研究了非平稳信号的线性时频表示方法和二次型时频表示方法,对典型的短时Fourier变换、Gabor变换、小波变换、Wigner-Ville分布和Cohen类时频分析等方法进行理论分析及对比,并通过matlab仿真比较各自的分析特点。其次,对几种常用时频分析方法中现存的主要问题进行讨论与改进:第一,针对小波变换对参数敏感及其在高频处频率分辨率不佳的问题进行了分析和讨论,给出相应的参数选择与优化标准并研究其抗噪性;第二,针对短时Fourier变换窗函数固定、分辨率单一且不高的缺点,引入组合窗理论,并将小波多尺度分析思想融入其中,形成一种基于小波分析的短时Fourier时频分析方法;第三,针对Wigner-Ville分布对多分量信号分析存在交叉干扰项的缺陷,将小波滤波思想融入Wigner-Ville分布,形成另一种融合时频分析算法。实验验证本文给出的两种改进方法在提高时频聚集度的同时抑制了交叉项,从而有效地改善了原单一算法的时频分析效果。最后,介绍了一种基于时频分布改进方法的跳频信号参数盲估计方法,并在低信噪比环境下检验该估计方法的算法性能。仿真结果验证了该方法能够较好地刻画信号的局部特征,具有良好的实际应用价值。