随着研究的不断深入,跳频技术成为了当今通信抗干扰技术的代表之一,具有非常良好的抗截获和抵抗衰落干扰的能力,已经被广泛用在军事战场和民用通信领域。频点随着时间变化是跳频信号最典型的特征,因此仅用傅里叶变换对其进行分析和处理是远远不够的,需要一种能够联合时间和频率的方法来对其进行处理。以结合了时间和频率的时频分析算法为基础,针对当前大多算法的噪声模型为高斯噪声,在非高斯模型下算法的效果并不佳的问题,本文主要研究当通信环境为alpha稳定分布时,如何能够更加准确的检测到跳频信号并对其进行误差较小的参数估计。首先,本文研究了现有的时频分析方法,主要介绍了线性和双线性时频分析方法,在两者的基础上阐述了组合时频分布的基本原理,通过各算法的计算量和信息熵对各时频分析算法进行了评价。随后,介绍了alpha稳定分布,对该脉冲噪声进行建模并仿真分析了该噪声模型。最后,为了抵抗该噪声带来的影响,研究了分数低阶运算的概念,并介绍了基于分数低阶的时频分析算法。其次,由于目前大多文献对跳频信号的检测都是基于高斯模型进行的,而实际的环境中噪声多为非高斯模型,因此本文以alpha稳定分布为环境,提出了将分数低阶运算与组合时频分析相结合的算法,并与形态学处理结合起来提取出跳频信号的时频检测量。仿真结果表明该算法在广义信噪比大于-1dB时,检测概率可达到90%,具有更高的检测能力和更好的检测效果。最后,当广义信噪比较低时,针对传统的时频矩阵去噪算法会将大量信号滤掉的问题,本文分析比较了传统的均值门限、中值门限和自适应门限,提出了基于三种门限的加权门限算法用在组合时频算法中来对跳频信号进行处理。随后,结合形态学处理得到信号的时频脊线,基于时频脊线分析得到了跳频信号参数估计的公式,并阐述了对参数估计值进行评价的方法。仿真结果表明,本文提出的加权门限在广义信噪比低于2dB时,参数估计得到的误差明显比传统门限得到的误差更低,与跳频信号实际的参数值更加接近。