频谱作为国家的重要战略资源,采用固定的方式分配给不同领域,这种分配方式随着通信的发展极大的限制了频谱的利用效率。针对该问题,认知无线电系统提出了良好的解决方案。信道估计是确保认知无线电系统传输性能的关键技术,对认知无线电系统的正常工作起到了非常重要的作用。本文以Jakes仿真模型获取信道衰落数据,以OFDM技术为系统载波调制技术,利用卡尔曼滤波、扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法对信道衰落特性及信道参数进行估计研究。本文分析了 LS、MMSE算法的原理,并将该算法用于时变信道估计中,通过仿真实验对比分析了二者在不同信道参数下的信道估计效果。本文针对MMSE算法的矩阵计算复杂度问题,分析了 MMSE算法的简化设计方法与信道估计效果。本文分析了卡尔曼算法的原理,通过将系统和信道模型抽象为线性状态空间方程组,设计出基于卡尔曼算法的信道估计仿真实验。仿真结果显示,卡尔曼算法能够对时变信道有精确的跟踪滤波效果。本文针对OFDM系统载波频偏敏感性问题,利用改进的卡尔曼算法对系统的频偏参数进行估计研究,通过将系统归一化频偏因子抽象为非线性的状态空间方程组,设计出基于EKF和UKF算法的信道参数估计仿真流程。本文提出了基于卡尔曼算法的信道估计与改进的卡尔曼算法的频偏估计共同构成的联合信道估计法,并将该方法与基于循环前缀的频偏消除法进行系统性能对比。仿真结果显示,当归一化频偏达0.3时,本文提出的方法比循环前缀法有明显的性能优势;UKF算法比EKF算法在相同误码率条件下,有一定的性能优势。本文研究的工作属于国家自然科学基金面上项目的内容,在研究期间本人的研究成果被收录。