作为信号处理领域的重要问题,时间延迟估计一直受到学者的广泛关注,并在无线定位、语音、工业控制、天文和医学辅助诊断等领域得到许多成功应用。传统上,很多时延估计算法均假设信号上附加的噪声符合高斯分布。这种假设在大多数情况下是合理的。但是,无线通信、雷达、水声和生物医学信号处理中遇到的许多信号和噪声,常具有较强的脉冲性,这时高斯分布假设往往不能反映实际情况。这种具有较强脉冲特性的噪声,通常使用Alpha稳定分布对其进行描述。早期的Alpha稳定分布信号处理理论是基于分数低阶统计量的,但是这类算法存在自身的局限性。例如:分数低阶矩阶数p的选取需要满足p小于Alpha稳定分布噪声的特征指数,而Alpha稳定分布噪声的特征指数是很难通过先验信息得到的。另外,分数低阶统计量不包含二阶统计量,数据的处理不能充分利用数据中所包含的信息。针对上述问题,本文以提高时延估计算法的精度和韧性为目的,从整数时延估计、非整数时延估计和时延与多普勒频移联合估计三个方面,对Alpha稳定分布噪声环境下的韧性时延估计问题进行了系统且深入的研究。本文主要研究工作和创新点如下:(1)针对Alpha稳定分布环境下的整数时延估计的韧性问题,设计了基于加权相关熵谱密度的时延估计算法。理论分析表明,对相关熵谱密度进行白化不仅不改变相关熵峰值的位置,而且通过白化过程可以进一步加强算法的抗噪声能力,并在一定程度上降低了引入相关熵所增加的计算复杂度。仿真结果表明,相比于基于分数低阶统计量理论的算法,本文所提算法在脉冲噪声环境下,特别是强脉冲性噪声环境下具有明显的优势。(2)针对Alpha稳定分布噪声环境下的非整数时延估计的分辨率或精度问题,在证明了 Alpha稳定分布环境下使用相关熵理论合理性的基础上,设计了基于相关熵诱导距离的非整数时延估计算法。针对该算法对相对带宽参数较为敏感的问题,引入自适应参数估计理论,提出了基于最大相关熵准则和Lagrange非整数时延滤波器的非整数时延估计算法,提高了算法对不同信号的自适应调整能力。仿真实验结果证明该算法具有较强的抗脉冲噪声能力和较强的信号适应性。(3)针对Alpha稳定分布噪声和同频干扰条件下的时延与多普勒频移联合估计问题,提出了基于Sigmoid变换的联合估计算法,从理论上证明了该算法在Alpha稳定分布噪声条件下的有效性,分析了脉冲噪声条件下该算法优于基于FLOS算法的原因。为了提高算法的灵活性,在Sigmoid变换中加入倾斜系数,并在算法中使用了多个可调Sigmoid变换循环互模糊函数估计子,提出了广义Sigmoid变换联合估计算法,提高了信号中所包含信息的利用率,并进一步提高了算法的抗脉冲噪声能力。并进一步从理论和仿真两方面证明了算法的有效性和优越性。