认知无线电技术的出现，能够有效地解决频谱资源分配与使用问题，缓解频谱资源短缺的现状。信道估计作为实现认知无线电系统传输的关键技术之一有待进一步研究。为了能够对无线信道作出准确的估计，论文对路径损耗、阴影效应、时延扩展、多普勒频移等特性作了详细介绍，对比分析了平坦衰落信道、频率选择性衰落信道、MIMO信道等模型，着重阐述了EPA、EVA、ETU无线信道的特点和建模方法，并给出了EVA无线信道的仿真测试结果。　　 在单天线模型下，通过对常规OFDM系统模型、导频图样设计、信道估计算法的介绍，论文详细研究了认知NC-OFDM的系统模型、随机插入导频图样方法、联合LMMSE信道估计算法和迭代IDFI、变换域降噪方法。由于认知NC-OFDM系统中的迭代IDFT变换域降噪方法需要进行变换域变换和迭代，反复利用FFT和IFFT变换，得到的是整个共享频段的信道响应，而认知NC-OFDM系统中不需要估计主用户占用子载波的信道系数，因此本论文引入转换分解算法，对迭代IDFT变换域降噪方法进行改进。仿真结果表明，改进算法的估计性能优于线性内插算法，接近于迭代IDFT变换域降噪方法的估计性能，但改进算法比迭代IDFT变换域降噪方法的运算量少，估计器实现复杂度低，硬件资源的利用率高。利用本文的改进算法，通过仿真可知，不同的空闲率和导频分组间隔对系统估计性能的影响不同，空闲率低的认知系统，估计性能好；导频分组间隔大的认知系统，估计性能差。　　 本论文同时介绍了认知无线电系统中主用户与认知用户之间存在互干扰的场景，仿真分析了干扰的分布状况、认知用户承受干扰的情况以及干扰对估计性能的影响。结果验证，认知用户与主用户子载波间的距离决定着干扰的大小，干扰降低了认知系统的估计性能，认知用户承受干扰的情况与其分配的功率和信道的条件有关。　　 在多天线模型下，论文介绍了认知无线电系统中集中分布式模型、Turbo编码技术和MIMO技术中的传输分集技术，并对MIMO技术中的认知NC-OFDM系统模型进行了详细的分析。针对多天线模型下认知NC-OFDM的特点，采用联合LMMSE信道估计算法进行信道估计，结合基于正交分解的迭代检测算法，对系统的估计性能进行仿真分析。仿真结果表明，联合LMMSE估计算法与内部迭代两次、外部迭代一次的正交分解迭代检测算法相结合，能够提高系统的估计性能。