信息通信技术的飞速进步,极大地拓展了无线电业务,导致稀缺的频谱资源利用率不高、干扰冲突问题更加严重,高效完成频谱监测对解决上述问题起着关键作用。由于受传统手段的限制,海上频谱监测面临着成本高、实时性差、精度低的不足。若采用无人机实现频谱监测具有灵活、高精度等特点,但仍面临着三个主要问题:数据稀疏性、采样点选取以及任务快速收敛。为解决上述问题,实现海上复杂电磁环境下的频谱监测,提出了利用舰船将无人机投放到目标海域进行监测的框架,给出了详细设计和执行流程;根据电磁频谱的空间分布特性,研究了任务初始化阶段的采样点选取问题,实现重建收益最大化;采用贪心策略局部最优的思想,设计了任务执行过程中的无人机调度算法,实现任务快速收敛;采用模拟实验的方法,验证所提算法和机制的有效性。具体内容包括:首先,设计了海上无人机载频谱监测UAVSense框架,对框架设计和执行流程进行了详细说明,并介绍了频谱感知和频谱数据库两个主要功能模块。由于目标海域面积较大,少量无人机难以完成大规模频谱监测任务,针对无人机数量不足带来的采样数据稀疏性问题,框架中研究了用于数据重建的频谱插值算法。设置了海场景下的插值算法模拟实验,验证了UAVSense框架的有效性,找到了插值精度最高的OK算法。其次,针对采样点选取问题,提出了一种面向均衡覆盖的首轮任务分配机制CAMB。由于频谱数据是具有空间相关性的区域化变量,采样点的分布将直接影响插值精度,根据该特性定义了区域划分粒度,通过数据覆盖熵衡量采样点选取的合理程度,使得采样点选取问题在缺少先验知识的情况下有据可循。与随机挑选方式的模拟对比实验表明,CAMB机制的性能更稳定、精度更高。最后,针对监测任务快速收敛问题,设计了面向差异最小化的多时隙无人机调度算法SAMD。提出了一种差异最小化的贪心策略,以快速消除局部插值误差为目标,通过迭代处理使整体插值精度快速达到收敛标准。与经典无人机调度算法的对比实验表明,SAMD算法实时性更好、精度更高,同时说明了利用UAVSense系统框架完成海上频谱监测任务的成本更低。