正弦信号的参数估计在军事、电力、生物医学等许多领域有着广泛的应用,因而得到了研究者的高度重视并涌出现大量估计算法。像快速傅里叶变换（FFT）等经典方法已被广泛应用于实际工程中并取得了很好的结果。近年来,正弦信号的参数估计问题在控制领域也受到越来越多的关注,比如在处理线性（非线性）系统的扰动抑制或者柔性机器人的振动抑制等问题时,具有渐近收敛性质以及一定稳定性能的参数估计器往往是必不可少的工具。基于此,许多研究者尝试运用非线性控制理论方法对正弦信号参数估计问题进行理论分析研究,并取得了大量诸如全局渐近收敛、全局（半全局）指数收敛的研究成果。然而在控制领域,关于正弦信号参数估计算法收敛速度与鲁棒性的研究结果相对较少,尤其是对于离散时间正弦信号,还没有研究者尝试利用非线性控制理论方法分析噪声对估计算法的影响。因此,利用非线性控制理论探讨如何提升估计算法的收敛速度以及定性或定量地刻画噪声对估计算法的影响仍具有重要的理论研究价值。非线性理论日趋成熟,尤其是非线性观测理论和输入-状态稳定性（Input-to-state stability,ISS）理论的发展为分析正弦信号参数估计问题提供了新的理论依据,原因在于正弦信号的参数估计问题可以转换为一类非线性系统的状态估计问题,并且当把噪声当成输入时,ISS理论可以详细地刻画噪声对估计算法带来的影响。因此,本文尝试设计新的非线性估计算法,借助现有的非线性参数估计理论、非线性观测理论以及ISS理论分析正弦信号参数估计的收敛性与鲁棒性,旨在为研究正弦信号参数估计问题探索新的思路。本文主要研究工作简述如下:（1）针对带有噪声的连续时间正弦信号,首先考虑一类自适应辨识器算法,在非线性观测理论框架下证明参数估计的指数收敛性以及参数估计误差关于噪声的强积分输入-状态稳定性（Strongly integral input-to-state stable,Strong-i ISS）。进一步,考虑一类降阶自适应辨识器算法,在非线性观测理论框架下证明参数估计的指数收敛性以及参数估计误差关于噪声的Strong-i ISS性质。最后,利用数值仿真算例验证自适应辨识器算法的鲁棒性。（2）针对带有噪声的连续时间正弦信号,首先设计一类非线性估计算法,证明所设计估计算法可以通过调节设计参数使得正弦信号参数估计值可以以任意的指数收敛速度收敛到真实值。其次,证明参数估计误差关于噪声满足Strong-i ISS性质,并证明对于任意有界噪声,可以通过调节设计参数使得估计器仍然能够有效的运行,并且保证估计误差有界。最后,利用数值仿真验证所提估计算法的有效性。（3）针对带有噪声的离散时间正弦信号,首先设计一类非线性估计算法,证明正弦信号参数估计的渐近收敛性。其次,证明正弦信号参数估计关于噪声满足i ISS性质。最后,利用数值仿真算例验证所提估计算法的有效性。