Le sujet de la thèse porte sur l'étude des approches d'estimation des Signaux à Phase Polynomiale (SPP) noyés par un bruit non gaussien. Nous considérons deux modèles pour le bruit: le premier modèle est défini par une Somme Pondérée de Gaussiennes et le second par des distributions alpha-stables. Dans un premier temps, nous abordons les méthodes classiques d'analyse des SPP. L'utilisation des statistiques d'ordre fractionnaire permet d'obtenir des algorithmes robustes en présence de bruit impulsif; nous exploitons cette propriété pour proposer une Distribution de Wigner-Ville Polynomiale pour l'analyse des SPP. Cette nouvelle distribution, permet de mieux estimer la fréquence instantanée du SPP bruité. La deuxième partie est consacrée aux méthodes récentes d'analyse spectrale adaptées aux SPP. Nous proposons un algorithme MUSIC robuste obtenu par SVD de la matrice de covariation. Cet algorithme nous permet d'estimer les coefficients de la phase dans un plan temps-coefficient. Dans la troisième partie, une approche pour l'estimation des SPP par filtrage de Kalman est présentée. Cette approche repose sur un modèle d'état non linéaire avec un bruit d'observation non gaussien. Nous présentons trois types de filtres de Kalman robustes au bruit impulsif. Le premier, appelé filtre de Kalman étendu robuste utilise un gain de Kalman dépendant de la fonction de Huber. Aussi, nous proposons d'utiliser deux filtres de Kalman étendus (EKF) opérant en parallèle couplés via le terme d'apparition du bruit impulsif. Enfin, il est possible d'améliorer les performances d'estimation en utilisant un filtre UKF ‘unscented Kalman filter' à la place du filtre EKF.