本文以低截获概率(LPI)雷达信号脉内特征提取为研究背景，开展高阶时频分布研究，重点围绕L类Wigner-Ville时频分布(LWVD)和复时间延迟时频分布(CTD)的时频聚集性改善、交叉项抑制以及瞬时频率(IF)估计三方面内容来改进算法性能，为后续的信号特征提取与识别提供更为有效的参数信息。首先，针对传统时频分布对于多分量非线性调频信号存在严重自交叉项与互交叉项，以及时频聚集性低的问题，本文研究了基于自适应频域窗长的S-Method(SM)算法，并实现了基于自适应SM迭代的LWVD。然后将其应用于多分量LPI雷达信号分析中，通过仿真实验验证了该算法能够有效抑制交叉项，同时对于多项式调频信号保持较高时频聚集性。其次，针对在低信噪比下，基于时频分布的非线性调频信号IF估计存在较大偏差的问题，提出了基于Viterbi算法与LWVD结合的IF估计方法。该算法结合了LWVD对于多项式调频信号的高聚集性特点和Viterbi算法的最优路径选择特性，实现了在强噪声环境下非线性调频信号IF的精确估计。并通过仿真实验有效地验证了该算法的优越性。然后，针对时频特性复杂的信号具有较低时频分辨率的问题，由LWVD迭代算法启发，本文重点研究了具有高聚集性的L类CTD。通过实验验证了该分布比同阶次的其它分布具有更高时频聚集性与分辨率。同时，L类CTD能够精确估计时频特性复杂信号的IF。最后，针对CTD对于多分量信号存在严重交叉项的问题，本文提出了一种基于短时傅里叶变换与自适应SM实现的改进型CTD算法。通过模拟仿真实验有效地验证了该算法抑制交叉项的优越性能，同时将其应用到多分量LPI雷达信号分析中也具有良好性能。