随着人类在信号研究领域的不断拓展,学者们发现实际应用场景中的信号大多是非平稳信号,如生物医学信号,语音信号,雷达与声呐信号,地震波信号,无线通信信号等。非平稳信号的统计特性是时间的函数,它具有丰富的时频局域性和复杂的时频耦合性。线性调频（Linear Frequency Modulated,LFM）信号作为一种典型的非平稳信号,被广泛应用在雷达,通信,生物医学,地质勘探等领域。由于LFM信号的参数中蕴含了目标的位置信息,因此对LFM信号进行有效检测,并估计其参数对众多领域具有重要意义。分数阶傅里叶变换（Fractional Fourier Transform,FRFT）能够同时表示出信号在时域和频域上的信息,且在处理多分量LFM信号时不受交叉项干扰,因此FRFT被广泛地应用于LFM信号的去噪,检测,参数估计等各个分支。现有的基于FRFT的LFM信号参数估计方法大多从数学模型和搜索方法入手,仍然存在噪声鲁棒性差和搜索效率低的问题。针对以上不足,本文提出了两种LFM信号的参数估计新方法,主要工作如下:1)基于FRFT和lp-范数的LFM信号参数估计方法。首先,计算LFM信号分数谱的lp-范数,以lp-范数作为紧致性的度量建立参数估计的优化模型;进而,联合Harris Hawks Optimization（HHO）算法对模型进行优化求解。仿真实验说明,lp-范数法具有较高的噪声鲁棒性和参数估计稳定性;最后,将lp-范数法成功应用到透镜曲率半径的测量中,实现了透镜曲率半径的高精度测量。2)基于FRFT和Rényi熵的LFM信号参数估计方法。首先,建立了LFM信号分数谱的Rényi熵分布,基于Rényi熵的分布特性建立了参数估计的优化模型;进而,利用HHO算法对模型进行优化求解。仿真实验说明,该方法在LFM信号参数估计方面具有噪声鲁棒性强,参数估计性能稳定的优点;最后,将Rényi熵法应用到了混合干涉条纹的分离中,实现了交叉条纹族的高精度分离。本文的研究成果不但丰富了LFM信号处理的理论体系,而且拓展了FRFT在光学领域的应用。