卫星通信凭借其覆盖范围大、通信距离远、通信容量大等优点,逐渐在人们生活中的各个领域扮演着越来越重要的角色。随着卫星通信需求的刺激以及卫星通信业务应用类型的逐渐增加,卫星频谱资源开始出现短缺现象,然而通过实测发现,频谱资源紧张的根本原因是频谱利用率低。基于对地面移动通信网络的研究经验,可以采用认知无线电技术来解决频谱利用率的问题,但是该技术实施的前提是发现空闲频谱,而要想发现并利用这些空闲频谱,不仅需要先进的频谱监测设备,更需要充分的目标频段的频谱占用模型理论知识研究,从而全面细致的了解卫星通信系统中的频谱使用的状况,为解决卫星通信网络中频谱资源短缺与频谱利用率低之间的矛盾提供依据。所以说认知无线电的发展很大程度上得益于实际且准确的频谱占用模型的可用性。本文则基于对天通一号卫星转发器频谱使用的实测数据,对其所使用S波段下行链路的频谱占用模型和预测两个方面进行了研究工作。在频谱占用模型方面,迄今为止,许多文献中提出的频谱占用模型都能够描述并再现占用时间序列的统计特征。例如传统的地面移动通信的频谱占用/空闲周期长度可以用经典的GP、指数等分布来拟合。然而,在某些卫星链路频谱占用场景中,地面移动通信网络中传统的参数估计分布无法给出良好的拟合。因此,本文提出使用核密度估计的方法来估计频谱占用时间序列的概率密度函数。结论表明,相比于传统地面网所采用的GP、指数等分布,核密度估计可以通过从数据样本本身出发来研究其分布特征,从而可以更准确地描述卫星下行链路中S波段频谱占用时间序列的统计特性。在频谱占用预测方面,针对经典ARIMA模型预测无法捕捉数据中非线性关系的缺陷,本文提出了使用模糊神经网络来对频谱占用模型的时间序列进行预测。结论表明,模糊神经网络预测具有学习和自适应能力,并能够捕捉时序数据中的非线性关系,因此要比ARIMA模型预测更加精确。