近年来,随着通信技术的快速发展,社会信息化程度越来越高。在各类通信服务层出不穷的今天,有限的频谱资源已经难以满足需求。认知无线电技术作为下一代通信技术的主要候选技术之一,能够最大化利用现存的频谱资源,满足人们对通信服务的要求。信道估计技术是实现认知无线电的基础技术之一,信道估计的结果将直接决定认知无线电系统的性能表现。传统的信道估计技术通常假设背景噪声服从高斯分布,此时信道被建模为一个线性方程。虽然系统模型在高斯噪声下变得简单易分析,但考虑到认知无线电系统的实际工作环境中,常常会受到诸如大气雷暴等极具脉冲性的噪声干扰,基于高斯模型的信道估计技术很难完成对信道状态的准确估计,这将影响认知无线电系统的正常工作。因此,有必要针对认知无线电系统重新量身定做一套完善的信道估计方法。本论文针对认知无线电系统的实际运行环境,首先对非高斯噪声信号进行统计分析,运用alpha稳定分布完成噪声模型的建立。同时,根据动态状态空间法,对认知无线电传输信道衰落建模。在对现有各类信道估计进行研究分析以后,运用粒子滤波框架完成对信道状态的精确估计与跟踪。然后详细论证了粒子滤波框架的优缺点,对其模型的重要性采样及重采样阶段实施改进:①使用无味卡尔曼滤波来作为重要性概率密度函数的生成器,使其与真实后验概率密度函数高度近似。②在重采样阶段,以遗传算法为基础,通过正态云模型来指导变异算子,提高粒子集多样性,进一步提高估计效果。最后进行了相应的计算机仿真,仿真结果表明,新的算法在非高斯噪声背景下,可以始终准确估计信道状态值,与传统方法相比,误差更小,适应性更强。