从强噪声背景下得到人们关心的微弱信号参数是现代信号处理的热点问题,这一问题伴随近代科学技术和人类物质需求的发展,越发突出的展现在我们面前并影响工程技术等诸多领域。　　对于强噪声背景下的微弱正弦信号,传统的参数估计算法的估计值与真实值相差较大。并且以往进行仿真计算时一般都假设噪声是随机的,在某范围内符合正态分布,实际的噪声大部分情况下是不符合高斯分布的。基于此,本文所做的研究工作及结论主要有如下几点:　　1.给出了离散小波变换的矩阵形式。应用小波变换的矩阵表示方法可以使小波变换的数学表达更为直观,在算法推导上更为方便和清晰;　　2.给出了基于离散小波变换的频率估计算法以及频率校正的迭代算法。根据离散小波变换,对强噪声背景下的采样信号进行预处理,构造两段新的序列,对两段不同长度的序列分别进行离散傅里叶变换,通过推导得到频率的估计值,在此基础上,给出了频率校正的迭代算法,并对迭代算法的性能进行了分析。仿真实验表明,该算法在低信噪比下仍有较高的估计精度;　　3.给出了基于离散小波变换的幅值和相位估计算法。在离散小波变换的基础上,对微弱采样信号进行预处理,构造N段新的序列,对该序列实施离散傅里叶变换,结合序列的构造方式通过推导得到幅值和相位的估计值。通过仿真实验与以往的参数估计算法进行对比,在低信噪比下,该算法具有更高的估计精度;　　4.给出了窄带高斯噪声及非高斯噪声的产生方法。仿真实验表明,在不同类型噪声背景下,该算法能较好地估计正弦信号的频率、幅值和相位,且有较强的鲁棒性。