线性调频信号作为典型的非平稳信号,在地球物理学、生物医学、通信、雷达、声呐等许多领域有着广泛的应用,尤其在电子对抗领域,线性调频信号作为一种典型的脉冲压缩信号,在各种体制的雷达、声呐等装备中占据重要的地位,准确获取线性调频信号的参数,是侦察接收系统的重要任务,因此实现非协作或先验信息有限条件下的线性调频信号的参数估计,具有重要的理论研究意义和工程应用价值。调频类信号参数估计技术作为信号处理领域研究较早的重要分支之一,多年来国内外学者们在理论研究和工程应用方面取得了很多成果,但随着信道环境、电磁环境的日益复杂,对低信噪比条件下线性调频信号参数的精确估计还存在薄弱之处。本文重点围绕对线性调频信号的起始频率和调频斜率两个重要参数的估计方法研究而展开,包括线性调频信号和伪码调相-线性调频复合信号,结合理论推导和仿真实验,分析了各参数估计算法的性能和适用场景。主要内容包括:（1）介绍了选题背景和研究意义,结合具体应用对线性调频信号参数估计的研究现状及发展趋势状进行了综述,并介绍了本文的主要工作。（2）介绍了线性调频信号及参数估计的基础理论,对线性调频信号从时域表达式、频谱结构、模糊函数和时频分析四个角度进行了详细论述,分析了线性调频信号的特点,讨论了不同时频分析方法的原理及优缺点,并介绍了线性调频信号的主要参数及参数估计算法性能的评价方法。（3）分别从瞬时频率、直线检测、分数阶域和模糊函数四个方面研究了四类典型的基于时频信息的线性调频信号参数估计方法。首先,根据信号时频联合分布的特点,分别研究了基于瞬时频率的最小二乘拟合参数估计和基于RWT对直线进行投影积分的参数估计方法;然后,利用Fr FT对线性调频信号的能量聚集特性,研究了基于Fr FT的参数估计方法;最后,针对最小二乘拟合参数估计精度低、RWT和Fr FT需要二维搜索计算量大的问题,引入了一种基于RAT联合MLE的改进算法,仅需要两次一维搜索即可实现在低信噪比条件下的参数估计。（4）研究探索了深度学习与线性调频信号参数估计算法相结合的新方法,针对最大似然估计算法计算量大、效率低的问题,提出了一种基于局部搜索的最大似然参数估计方法,该方法充分利用了深度学习在特征提取和表达上的独特优势。首先,采用De CNN对输入信号进行滤波提取预处理;然后,用最小二乘拟合参数估计法进行参数的粗估计,并确定输入信号压缩似然函数的搜索范围;最后,在局部区域内采用MLE对输入信号进行参数的精确估计。该方法将深度学习技术与数字信号处理算法联合使用,拓宽了数字信号处理方法的途径。（5）研究了伪码调相-线性调频复合信号的主要特点和参数估计方法,推导了基于平方延时相关解线调的参数估计算法,针对其对噪声敏感的问题,采用RAT联合平方解线调对上述算法进行了改进,该方法采用基于RAT的调频斜率估计结果直接对复合信号进行解线性调频,不仅提高了参数估计精度,也提高了算法的抗噪声性能。为进一步提高在低信噪比条件下的参数估计精度,去除平方运算放大噪声的影响,提出了一种基于Se CNN信号提取的参数估计方法,并通过仿真实验证明了算法的正确性和在低信噪比条件下的有效性。