超宽带(Ultra-wideband,UWB)信号在传输过程中受信道中不确定因素的影响会产生失真，为了确保接收信号的准确性，信道估计是必不可少的，信道估计精度将直接影响系统的整体性能。传统的超宽带信道估计都是在室内静态信道环境下进行的，然而当收发信机或者散射体移动时，会引起超宽带信道的时变性衰落，因此，对时变超宽带信道估计方法的研究有着重要的意义。本文研究的重点是多带正交频分复用超宽带(MB-OFDM UWB)系统中的时变信道估计方法，首先介绍了传统的超宽带信道模型和估计方法，然后给出了两种基于时变超宽带信道环境的信道模型并主要分析了自回归模型进行建模的理论依据，最后提出了两种基于导频的卡尔曼(Kalman)滤波时变信道估计方法。Kalman滤波算法是一种适用于时变信道的无偏估计算法，但是传统的Kalman滤波算法只利用了信道的时域相关性，忽略了频域相关性；修正的Kalman滤波算法利用最小均方误差(MMSE)准则进行频域修正，但是计算复杂度高。本文针对这两方面缺陷提出一种基于分段MMSE算法频域修正的Kalman信道估计方法。该方法利用导频跟踪时变信道衰减因子，通过Kalman滤波和频域分段MMSE算法同时跟踪信道时域相关性和频域相关性。实验仿真表明，该方法在损失了少量估计精度的前提下大大减低了计算复杂度，有利于实际应用。Kalman滤波发散的抑制问题是信道估计研究的一个重要内容，本文介绍了引起滤波发散的原因和传统的抑制方法，并针对信道状态转移系数(时变信道衰减因子)估计不准确引起的滤波发散问题，提出了一种基于状态转移系数门限修正的方法。该方法利用梳状导频跟踪信道，并采用最小二乘(LS)算法对滤波初始值和参数进行估计，最后通过设定门限阈值的方法对估计值进行修正，从而有效跟踪信道。实验仿真表明，这种方法实现简单并能有效提高系统的估计精度。