认知无线电技术作为业界公认的提高频谱利用率的最有效技术之一，它能够主动侦测频谱使用情况，自适应地改变自身通信参数，伺机选择授权用户暂时没有使用的频段进行通信，具有灵活、频谱利用率高等优点。　　 发现“频谱空洞”并对其合理利用是认知无线电的核心技术，是实现动态频谱接入的基本前提之一。目前，对认知无线电中的频谱空洞特性的研究并不多，对这些特性进行预测的方案也很少。本文从认知无线电技术的特性出发，研究了基于预测机制的频谱空洞特性，并对基于支持向量机的概率密度估计方法的性能进行了优化；然后引入了切换风险的概念，推导出一种度量切换风险的方法，在最小化切换风险的准则下，对频谱空洞的预测结果在认知无线电系统中的应用等方面进行了研究。　　 在认知无线电中基于预测机制的频谱空洞特性的研究论文中，首先对基于加权支持向量机的概率密度估计方法进行改进和性能优化，采用方法的主要思路是将采样时间和采样区域内样本密度均作为加权系数，以及对加权后的系数进行归一化处理。该方法可以较精确地逼近真实概率密度，其效果比标准的支持向量机和其他的加权支持向量机更优。　　 将改进后的加权支持向量机用于预测授权用户的流量参数，包括对授权用户的呼叫到达概率和授权用户的持续呼叫时间，并将改进后的方法与传统的时间序列相比，仿真结果表明，本文改进后的预测方法表现出了明显的优势。　　 如何有效地减少认知无线电网络中的频谱切换是一个十分重要的问题，已引起了人们高度的重视。论文针对认知无线电通信系统，引入了切换风险概念，将切换风险最小化作为频谱接入和分配的重要参考依据，并将改进后的W-SVM预测算法应用到该认知系统中，对采用预测和没有采用预测的认知无线电系统的性能进行仿真比较，前者能更好地满足用户的需求，能很好地减少认知用户的切换概率，同时使系统性能得到明显提高。