随着无线通信技术的飞速发展,频谱资源面临着资源短缺、分配不合理的问题,与不断增长的用频需求之间的矛盾日益突出。认知无线电技术通过频谱感知来检测频谱空穴,并选择空闲信道进行接入是解决当前频谱资源紧缺、利用率低问题的有效途径。然而在其频谱感知、频谱决策、频谱共享和频谱切换四个关键技术的实现中存在一定的缺陷,例如传输时延、能量消耗等。在此背景下,提出了频谱预测技术来解决上述问题,从而相应的提高频谱利用率。本文对认知无线电技术中的频谱预测技术进行了深入研究,设计了软件界面显示频谱有效支撑电磁频谱监测工作,进一步设计实现频谱预测方案。本文的主要工作及创新如下:本文对认知无线电的关键技术进行了深入研究,对目前被广泛研究的基于机器学习的频谱预测技术和基于人工神经网络的频谱预测技术进行了详细阐述与分析。分析表明基于BP神经网络频谱预测技术的性能与普适性要优于基于隐马尔可夫模型(HMM)的频谱预测技术。在面临需要通过研究历史信号的时间依赖关系发掘信号特征的问题时,使用前馈神经网络的预测效果准确性不够理想,因此利用深度学习架构在处理高阶特征上优秀的能力,来应对实际复杂的用频环境。在多层感知器网络、循环神经网络、长短期记忆网络(LSTM)中,LSTM在处理长间隔、长时延事件中表现的性能最佳。本文基于无线传感器网络的电磁频谱监测系统,进行了电磁频谱显示软件的设计与实现。上位机软件在功能上了实现对网络系统进行远程监控和任务管理,还负责无线电磁频谱信息的接收、处理和显示,同时能够发送下行命令管理系统基本参数等。在频谱显示模块设计中,完成了动态显示频域图、时域图、瀑布图的功能实现频谱监测。其次本文在频域展示形式上做出了创新,代替传统频域图单一线条的展示方式创新了一种冷荧光彩色展示界面更为直观美观,同时不影响频域图显示速度和整个系统数据收发、处理速度。最终实现构建人机交互界面显示频谱,并实时记录统计频谱占用情况,为实现频谱预测提供真实的历史占用状态并输出频谱占用度统计结果。本文基于长短期记忆网络网络模型设计频谱预测方案,研究了优化网络超参数的方法,经过研究发现,影响LSTM性能的参数主要网络深度和网络宽度。理论分析和仿真表明,在复杂的用频环境下,基于LSTM的频谱预测性能优于基于BP和基于HMM的预测性能。因此基于LSTM的频谱预测是本文认为在适用度、性能和技术新颖度等方面表现最好的深度学习架构。同时由网络深度和网络宽度对网络性能的影响可以得出结论,LSTM网络应该浅而宽。