随着无线通信技术的快速发展,频谱资源变得越来越稀缺。根据FCC的调查数据,授权频段的利用率大约只占百分之三十。作为能够显著提升频谱资源综合使用率的通信技术,认知无线电、D2D通信及NB-IoT等技术受到国内外研究机构的广泛关注。其中,频谱感知是认知无线电的重要组成部分,它是发现频谱空穴并执行动态访问的关键。为了提升频谱资源的使用效率,本课题针对具体的应用场景,首先提出一种频谱使用情况的预测模型,用以提升认知无线网络的性能表现。同时,针对蜂窝网络重要补充的D2D通信技术,在研究社交关系的基础上,具体分析路由选择对于通信系统性能表现的重要影响,进而提出一种基于社交关系辅助的频谱共享方案。此外,为解决NB-IoT中的无线资源分配问题,基于协同增效的机制提出一种物联网中的服务预测模型。具体地,论文的主要研究内容和创新点可归纳总结为以下三个方面:(1)提出一种认知无线网络的频谱预测模型。在认知无线网络中,次用户伺机接入授权频谱时,关键是要确保主用户得到足够的保护。因此,如何准确高效地感知空闲信道并检测主用户信号是否存在,以确保次用户接入信道时不会对主用户造成干扰是首要的研究目标。隐藏终端问题是频谱感知中非常困难的挑战,即信道的多径衰落和阴影效应常常造成单个次用户的频谱感知性能变差,采用单点频谱感知很难准确地判断出主用户信号的存在性。综合上述情况,提出一种认知无线网络的频谱预测模型,该模型将基于主用户频谱接入行为的历史数据进行不断地自我学习纠错,进而能够不受噪声环境的干扰而准确地预测出主用户信号是否存在。具体地,其处理步骤为当主用户开始接入频谱时,首先在已存储的主用户接入行为中进行搜索,寻找与该主用户接入时间相近的所有用户。其次,通过时间相似度分析并确定上述哪一个最符合该主用户的日常接入习惯,如果搜索失败,表明用户行为的覆盖面还不够,要继续学习。接着,通过最符合该主用户接入行为的用户找出与其最近邻的下一个用户,并计算二者的时间间隔。然后,根据符合主用户接入规律的用户和修正规则对该搜索到的用户进行修正,从而得到目标问题的相似解。最后,对预测得出的用户进行审查修订,并评估其保留的必要性。(2)提出一种基于社交关系辅助的频谱共享方案。随着智能终端的迅速普及和网络容量的快速增长,无线移动通信面临着巨大的挑战。本地内容共享已成为地理位置紧密的用户的新兴要求,移动设备可以用作缓存服务器,以通过短距离通信将内容发送到其他设备。一方面,D2D通信作为蜂窝无线网络的重要补充,是一种应用场景广泛的短距离通信技术,该技术使得用户可以通过复用蜂窝频谱资源直接进行通信,从而能够有效地提高频谱效率并增大网络容量。另一方面,作为一种无线移动通信技术,D2D通信的最重要特征是设备通常由人们携带和操作,并且在交互过程中用户的行为是有规律的和可预测的。因此,将设备用户之间的社交关系与D2D通信相结合,用以提升频谱资源的利用率,并辅助解决通信过程中的干扰管理和资源分配等问题,进而提高通信系统的性能及用户体验。所提方案将社交网络与D2D通信相结合,把实际通信系统抽象为社交网络层和终端物理层。其中,社交网络层主要根据用户的社交活动完成对相应D2D设备用户的排序推荐,终端物理层则结合推荐顺序及蜂窝网络用户的传输速率要求进行综合选择。(3)针对NB-IoT中的无线资源分配问题,为进一步满足终端设备的联网需求并确保未来能有充足的网络容量来支持设备的持续增长,在协同增效机制的基础上,提出一种物联网中的服务预测模型。具体地,通过在智慧家庭网关中嵌入智能算法,将处于待机状态的未使用设备及时下线,进而最大限度地使用NB-IoT无线频谱资源,并进一步提升窄带频谱资源的综合利用率。提出的物联网服务预测模型依据历史数据做出预测,而不是单纯地根据预测时刻的上一紧邻时刻状态做出预测判断,提高了算法的自我学习能力。此外,行为相似度的引入更加贴合实际情况,使得服务的预测时间差可以自主设置调节,可以更加人性化地满足不同家庭成员的日常生活需求。