随着通信应用全球化、个人化的趋势，低轨卫星通信技术引起了广泛关注。由于低轨小卫星具有低成本、研制周期短、配置灵活等优势，成为了突破应用限制瓶颈的关键技术。低轨通信卫星具有轨道高度低、与地面相对速度高等特点，其所面临的电磁频谱环境复杂多变，甚至包括人为的干扰或阻塞，这些干扰会导致链路的通信质量下降，甚至中断。另一方面，大量的已授权频谱利用率相当低下，这其中的矛盾使得认知无线电的应用成为可能。　　针对低轨通信卫星所面临的频谱环境，本文立足于认知无线电在低轨卫星通信系统中的应用背景，设计了低轨卫星频谱预测系统的架构，对低轨卫星所面临的地面频谱情况进行了分析，并进行建模仿真;提出了基于BP神经网络的频谱预测策略，设计了预测性能指标，并结合相邻信道相关特性改进了预测模型的输入条件;搭建了基于PCIe接口的硬件测试平台，并对算法进行了初步的验证。　　本文的主要贡献和创新点为:　　1、低轨卫星频谱预测系统结构设计。对现有低轨卫星认知无线电系统结构进行改进，在其基础上添加了频谱预测模块，实现对目标频段内干扰信号的“提前躲避”，避免由即时切换引起的链路中断和时延。频谱预测模块由地面和星上子系统构成，地面负责预测网络的训练，星上利用已训练好的网络进行快速预测，并监测性能变化。同时，对低轨卫星的信道状态模型和多普勒频移特性进行了分析，并提出了频谱预测的测试方法和性能指标。　　2、地面干扰信号建模。对低轨通信卫星所面临的电磁环境进行了分析。以卫星为观察点，针对低轨卫星的运行特点，设计了地理网格剖分模型，模拟卫星与地面的相对运动;并对地面的干扰信号进行建模，对通信系统参数和子系统信道接入模型进行选择。卫星作为干扰信号的观察者，可将其目标频段视为“服务窗口”，所有干扰信号均可视为服务接入的请求，将覆盖范围内不同地区的服务接入情况进行叠加，即可获得整体频带内各信道的占用情况。给出了频域动态仿真结果和模拟星上感知的结果，反映了低轨卫星绕地飞行过程中目标频带内频谱感知结果的变化情况。　　3、提出了一种基于人工神经网络的频谱预测算法。详细分析了BP神经网络的学习方法，并利用仿真数据和星上实测数据对算法的性能进行了仿真测试，结果表明，该算法的预测准确率在90％以上，同时虚警概率控制在10％以下。针对仿真结果，还分析了信道频谱占用率、神经网络输入序列长度、网络输出结果判决门限等对结果的影响。结合对目标频带内临近信道相关性的分析，对模型的输入进行了改进，将临近频带的占用情况作为输入信息的一部分，增加了预测的可靠性，仿真结果表明性能提升4％左右。　　4、实现了基于FPGA和PCIe接口的信号处理平台，实现了目标频带内干扰信号的输出和回采，通过上位机可直接输出或获取数据，将模型转化为实际模拟信号。并对单信道条件下的频谱预测算法进行了初步的验证。