摘要
目前在IEEEL波段，IEEES波段和ISM等波段运行的无人机（UnmannedAerialVehicle,UAV）的频谱资源面临越来越稀缺的问题。而在传统的静态频谱分配策略下，所有可分配的频谱资源都被占用，但利用率极低。认知无线电（CognitiveRadio,CR）是一种能够直观地感知周围的无线电环境，使用频谱预测的方法分析频谱信息以便获得其使用规律的智能化无线系统，通过使用认知无线电能够得知无线信号频谱的空洞信息。装有认知无线电的无人机利用这些信息实现动态的频谱接入，实现充分利用尚未被完全使用的授权频谱段，提高了频谱资源的利用率。论文着重研究了无人机频谱预测算法与动态频谱接入技术。 本文首先对无线电磁信号的时域和频域特征的描述和提取方法进行介绍，并给出时域和频域调制类型识别的最优特征子集优化选择方法，通过对不同信号载波频率特征估计方法仿真测试，选择出最优载波特征估计方法。其次模拟生成无人机频谱信息作为预测模型的输入和验证，建立了季节性ARIMA，时延神经网络TDNN和长短时记忆网络LSTM三个具有对时序型数据能够预测的预测模型，并构建其相应的算法，仿真结果证明LSTM递归神经网络对于时序型序列的预测相比前两种算法具有最低的预测误差和最优的预测性能。最后，介绍了传统基于拍卖理论的频谱接入技术，提出了最优自适应频谱接入算法，通过相应的建模、计算与仿真，较之基于多赢家拍卖接入算法，不仅能够减少对授权用户的有害干扰，而且能够提高CR系统容量。
NETL