为了满足现代通信的需要,提高现有频谱资源的利用率迫在眉睫,所以认知无线电技术登上了历史舞台。认知无线电技术可以利用一系列动态机制改善目前频谱资源贫乏的现状,随着技术研究的深入,认知无线电的动态信道问题日益为大家所关注。信道参数估计作为频谱分析的重要组成部分,它的主要目的是获取信道状态特征,这是进行高效的频谱管理的重要前提。本论文在充分分析研究现状的基础上,结合系统的理论知识,提出了一种新的用于认知无线电动态信道参数估计的算法,该算法主要针对动态无线信道的快时变特性,提出了一种使用新的动态状态空间方法进行动态信道估计的系统模型。粒子滤波采用序贯蒙特卡罗技术在处理非线性问题时具有独特的优势,本论文以粒子滤波为理论基础。同时为提高非高斯背景下信道估计的性能,本文采用Alpha稳定分布作为二阶自回归(AR-2)信道估计模型的背景噪声,并提出了一种新的信道估计算法,即基于改进的粒子群优化的粒子滤波算法。该算法在粒子滤波的重采样阶段引入粒子群算法,并用邻域启发机制和云的雾化模型优化粒子群算法。该信道估计算法可以很好地解决粒子滤波过程中的粒子贫乏问题、增加粒子收敛速度、提高粒子采样精度,能达到较好地跟踪原始快时变动态信道参数的目的。计算机仿真结果证明:在非高斯动态时变信道估计中,基于改进的粒子群优化的粒子滤波算法能够提高快时变信道估计的鲁棒性和精确度,为精确地估计快时变动态信道的特征提供了一种新的方法。