时延估计作为信号处理领域中的重要研究问题一直受到学者们的广泛重视。时间延迟的估计不仅很好地应用于军事、民用、科学等领域,同时它的研究和发展也带动了信号检测与估计、数字信号处理、自适应信号处理等领域的发展。在海洋、通信、天文等研究领域一直存在着一种特殊的非平稳信号,它的统计特性随着时间变化是周期性的,称之为循环平稳信号。传统循环平稳信号的时延估计算法大多假设噪声为高斯分布的且算法是基于二阶循环统计量的。但是在现实生活中的噪声一般不服从高斯分布且其呈现脉冲特性,这些脉冲特性噪声的统计分析可以用α稳定分布噪声数学模型来描述。由于在α稳定分布的噪声条件下,具有循环平稳特性的信号没有有限的二阶统计矩,因此基于二阶循环统计量的循环平稳信号延迟估计算法的性能将降低甚至失效。首先,针对脉冲噪声环境下循环平稳信号的时延估计问题,将广义相关熵应用于循环平稳信号,定义了广义循环相关熵(GCCE)的概念,提出了基于GCCE的循环平稳信号时间延迟估计算法。并利用谱加权的思想对其进行改进,提出了广义循环相关熵谱加权(GCCE-SCOT)算法。通过仿真实验表明,本文提出算法的估计性能要好于基于分数低阶循环统计量的时间延迟估计算法。为了提高一次循环相关类时延估计算法在较低信噪比和相关噪声环境下的估计性能,本文提出了二次循环相关类时延估计算法。主要包括循环相关熵二次相关(QCCE)算法、广义循环相关熵二次相关(QGCCE)算法以及分数低阶循环相关熵(FLOCCE)算法。仿真结果表明,本文新提出的QCCE、QGCCE以及FLOCCE时间延迟估计算法的性能好于基于分数低阶循环相关二次相关(CFCC)算法且在较低信噪比下性能更好。最后,针对当发射源和接收器之间存在相对运动时不可避免的会出现多普勒频移的问题,研究了多种可以适用于α稳定分布噪声下的时频联合估计算法。首先,将模糊函数和共轭模糊函数与可以有效抑制脉冲噪声的非线性预处理方法相结合,定义了反正切变换模糊函数和非线性变换模糊函数以及用于非圆信号的反正切变换共轭模糊函数和非线性变换共轭模糊函数,并基于它们解决了脉冲噪声环境下的时频联合估计问题。其次将循环模糊函数和共轭循环模糊函数与非线性预处理方法相结合,定义了反正切变换循环模糊函数和非线性变换循环模糊函数以及用于非圆信号的反正切变换共轭循环模糊函数和非线性变换共轭循环模糊函数,并提出了基于这些循环统计量的具有信号选择性的时频联合估计算法。仿真结果验证了本文所提出方法的估计性能要好于基于分数低阶统计量的估计算法,而且本文提出的新算法不需要预先知道脉冲噪声的先验统计知识,具有应用范围更广的优势。