卡尔曼在1960年采用递归数学方程解决了离散线性滤波问题，从此以后，随着计算机信息技术的快速发展，卡尔曼滤波已经被人们广泛地研究和运用。卡尔曼滤波是一种时域状态空间滤波方法，其数据存储量较小，估计均方误差最优，可以处理一维或多维的平稳或非平稳的随机信号。由于其设计简单易于计算机模拟实现等优点，其已被广泛用于导航、通信、工业控制、地质勘探、无线定位等多个领域，成为目前备受关注的课题。基于卡尔曼滤波估计理论，结合超宽带通信技术的特点，本文对卡尔曼滤波在超宽带信号干扰抑制应用方面进行了深入细致地研究。本文内容主要从两大方面进行阐述。一方面，对Kalman滤波在超宽带窄带平稳信号干扰抑制的应用进行研究。根据线性时间序列的平稳特性，将窄带平稳信号作为系统的状态方程，而超宽带系统接收信号作为观测方程，建立一个时域的Kalman滤波基本方程，进行模拟仿真。但模拟结果显示：当窄带平稳信号的AR(p)模型参数较少时，该算法不能将模拟窄带平稳随机信号。因此，对上述Kalman滤波算法进行了改进，并将改进后的Kalman滤波算法与改进前的算法进行模拟仿真实验比较。另一方面，研究了多尺度Kalman滤波算法对超宽带系统中分形噪声信号的干扰抑制作用。先简单介绍了小波变换的基础理论和分形噪声信号的概念。然后对非平稳的分形噪声信号进行多尺度小波分解，根据小波系数的平稳性质，将每个尺度上的小波系数建模为对应的平稳时间序列模型。最后，结合离散UWB系统的观测信号模型，推导出Kalman滤波的空间状态模型，并采用计算机Matlab软件进行模拟仿真。