El análisis de sistemas dinámicos puede realizarse mediante el estudio de las señales no estacionarias que estos generan, lo cual es relevante en ingeniería biomédica por su relación con fenómenos fisiológicos y patológicos. Estas señales presentan variaciones temporales complejas, especialmente en el caso de señales multicomponente, donde cada componente tiene variaciones propias de amplitud, frecuencia y forma de onda. Los modelos matemáticos, especialmente fenomenológicos, resultan ́ útiles para describir estas magnitudes variantes en el tiempo, ofreciendo un marco teórico versátil. Sin embargo, los enfoques tradicionales, como el análisis espectral basado en la transformada de Fourier, no son adecuados para señales no estacionarias. En este contexto, los métodos tiempo-frecuencia (T-F) cobran relevancia ya que permiten representar la evolución temporal de las componentes frecuenciales de la señal. Entre los modelos que aprovechan estas representaciones, el modelo no armónico adaptativo ́ (ANHM) destaca por describir señales mediante patrones oscilatorios modulados en amplitud y frecuencia, caracterizados por su función de forma de onda (WSF). Aunque la utilidad del ANHM y de las WSF ha sido demostrada en diversas aplicaciones, particularmente en el ámbito biomédico, aún resta explorar adecuadamente aspectos metodológicos para poder aplicar exitosamente estas técnicas al análisis de señales en un contexto más amplio. Algunos de los aspectos más salientes son la determinación automática del número de armónicos óptimos para representar la WSF y la caracterización de WSFs variables en el tiempo. Para abordar este primer aspecto, en esta tesis se propuso el uso de criterios de selección de modelos trigonométricos para determinar automáticamente el número óptimo de armónicos para la representación de WSF, aplicando estos criterios a señales simuladas y reales, tanto monocomponente como multicomponente. Esto permitió desarrollar un algoritmo basado en el ANHM capaz de adaptarse adecuadamente a señales fisiológicas incluso ante la presencia de ruido e interferencias. Posteriormente, se diseñó un método para estimar formas de onda variables en el tiempo a partir de una versión generalizada del ANHM, lo cual mejora el desempeño en tareas como eliminación de ruido, descomposición y detección de cambios oscilatorios. Este enfoque mostro ser superior a métodos establecidos en el estado del arte. Por último, en esta tesis también se abordaron algunas aplicaciones específicas. En primer lugar, se desarrolló un algoritmo basado en la descomposición armónica para la imputación de datos faltantes en series temporales, el cual permite mejorar los resultados en señales sintéticas y fisiológicas. Por otro lado, se propuso una serie de medidas de variabilidad de forma de onda para señales no estacionarias de vocales sostenidas obtenidas a partir del modelo ANHM con WSF variante en el tiempo. Estas medidas permitieron obtener características capaces de discriminar señales según la variación ciclo a ciclo de su forma de onda. Estas características se emplearon en la tipificación de voces y la detección de enfermedad de Parkinson, con resultados competitivos frente al estado del arte.