El eco de los objetivos de maniobra se puede expresar como una señal de fase polinómica multicomponente (mc-PPS), que debe ser procesada por métodos de análisis tiempo-frecuencia, mientras que, como un método de máxima verosimilitud modificado (ML), el método de descomposición adaptativa conjunta tiempo-frecuencia basada en la extracción en el dominio de frecuencia (FDE-AJTF) es una herramienta efectiva. Sin embargo, el procedimiento clave en el método FDE-AJTF es la búsqueda de los parámetros óptimos en el espacio de soluciones, que es esencialmente un problema de optimización multidimensional con diferentes soluciones extremas. Para resolver el problema, se presenta un nuevo algoritmo de optimización de enjambre de partículas multicomponente (mc-PSO) y se aplica en la descomposición FDE-AJTF con la nueva característica que puede extraer varios componentes simultáneamente basados en la característica del PSO estándar, en el que la población se divide en tres grupos y el vecindario de la mejor partícula en el grupo óptimo se establece como el área prohibida para el grupo subóptimo, y luego se pueden obtener y extraer dos componentes independientes diferentes en una extracción. Para analizar su rendimiento, se realizan tres pruebas de simulación y se comparan con un PSO estándar, algoritmo genético y algoritmo de evolución diferencial. Según las pruebas, se verifica que el mc-PSO tiene el mejor rendimiento en que la convergencia, precisión y estabilidad se mejoran, mientras que se reducen sus tiempos de búsqueda y computación.