物联网具有广阔的发展前景,卫星物联网和地面物联网相互合作可以提供更好的服务,在选择卫星轨道时,低轨道(LEO)卫星相较于高轨道(GEO)卫星具有轻小型化的优点并且时延更低、成本更低。但是低轨卫星物联网系统中通信和频谱感知共用天线射频设备,低轨卫星只能在通信间隙感知频谱,因此感知间隔随着通信业务的饱和而增大。将多颗低轨卫星作为感知源获取的多维度频谱数据不完备,空间分辨率低从而使得生成的频谱态势以及频谱地图时空分辨率都较低。论文针对该问题系统地研究了基于空间插值的电磁环境图重建技术和图像超分辨率重建算法,分别对低轨卫星频谱感知数据进行补全和提高频谱感知数据的空间分辨率。论文工作如下:(1)论文基于面向物联网的电磁感知低轨星座系统,首先基于卫星工具包(Satellite Tool Kit,简称STK)构建低轨卫星星座场景,产生低轨卫星频谱感知数据,通过卫星运行特点以及导出的数据样本,分析得到数据特征为:感知数据存在大量缺失,相邻数据之间经纬度间隔大并且经度的变化幅度和纬度的变化幅度不一致。为便于后续频谱数据处理,结合STK导出的低轨卫星运行位置、地面站天线方位图等参数和卫星通信的无线信道特性获取更多频谱感知数据。(2)由于面向物联网的电磁感知低轨星座系统,低轨卫星可进行频谱感知的时间短,所以感知数据呈现出空间分布稀疏以及数量缺失的特点,有必要通过已知数据来补全未知数据。结合频谱态势生成综合调研了频谱态势补全算法和电磁环境图重建算法,依据低轨卫星频谱感知时间内可以获取的数据数量和数据特征,结合常用数据补全算法的适用场景,折中改进了经典逆距离加权插值方法和改进的逆距离加权插值方法。(3)针对感知数据经纬度变化幅度不一致的特点建立非均匀的频谱坐标系,将频谱坐标系和像素坐标系相关联将频谱转化为二维图像,从而采用图像超分辨率重建算法提高频谱感知数据的空间分辨率。针对低轨卫星频谱感知数据的空间分辨率低的问题,以获取的频谱感知数据数量为依据着重调研了传统的图像超分辨重建算法。分别采取了传统插值方法、引入先验约束的贝叶斯方法和基于图像自相似性的学习方法的图像超分辨率重建算法来提高低轨卫星频谱感知数据的空间分辨率。并且分别分析了一个信号源和两个信号源的场景中的频谱感知数据空间超分辨率重建。