随着通信技术的不断发展,认知无线电成为该领域研究的热门方向之一。其主要思想是让无线电掌握学习的能力,学会与周围环境交互信息,自适应的感知和利用频谱“空洞”,并且要限制次用户对主用户的干扰。其中,频谱感知是整个系统的关键所在。高性能的频谱感知方法要求能够避免次用户和主用户的碰撞机率,提高通信质量。同时,为了使次用户能够充分利用空闲频谱进行通信则需要在较短时间内快速检测到频谱“空洞”。准确而又快速的频谱感知能避免次用户对主用户的干扰,并能提高整个系统的吞吐量。如何实现准确快速的频谱感知是本文研究的主题。为了实现准确快速的频谱感知,可以采用先预测后感知的方法。次用户通过学习频谱感知的历史数据,对下一时刻各信道状态进行预测,然后根据预测结果对可能出现频谱“空洞”的信道优先进行频谱感知。本文首先给出了一种基于离散隐马尔可夫模型的自适应联合频谱预测方法。该方法是次用户根据频谱感知历史信息得到主用户信道状态训练集,用前M个时刻信道的状态组成的矩阵作为待测矩阵与训练集匹配,根据匹配的相似度对下一时刻的信道状态进行预测。仿真结果表明,利用本方法进行的频谱预测具有较高的准确性。为了克服了离散隐马尔可夫模型在处理连续信号矢量量化过程中产生的信息失真问题,并充分利用频谱感知的历史数据,来进一步实现准确快速的频谱感知,本文将连续隐马尔可夫模型应用于频谱感知方法进行研究。研究表明,在信道占用和空闲状态下采样得到的能量值满足不同的高斯分布,故可采用连续隐马尔可夫模型通过模式识别方法进行频谱感知,根据识别的结果判定当前信道是占用还是空闲。仿真结果表明,利用该方法的频谱感知具有较高的准确性。