研究了一种新的AR SaS过程的谱估计算法.该算法将整个数据作为一个整体,利用分数低阶P阶矩从前向、后向两个方向对数据进行处理,获得了一种高分辨率的参数估计算法--双向最小P范数法(Bidirectional Least p Norm,BLPN).利用得到的参数,结合共变谱的定义,构建了AR SaS过程下的共变谱估计表达式,并分别对AR SaS过程参数估计,α稳定分布噪声中的正弦信号的谱估计进行仿真.仿真结果表明,基BLPN的ARSαS模型的共变谱估计方法对于不同的口值均具有良好的韧性,特别是在α值较小或者短时数据时,本文方法的性能明显优于基于FLOM的AR SαS模型共变谱估计方法.