无人机在民用及军事领域发挥着巨大作用,各类应用与数量与日俱增。随着无人机的增多和新一代无线通信技术的进步,其通信需求越来越高。通信频谱是一种十分紧缺、不可再生的自然资源。未来无人机会因为频谱资源紧张影响到其正常通信。为解决该问题,需要为其通信寻找有用的频谱资源。频谱共享技术可以提高频谱利用率,解决频谱资源浪费严重的问题。在频谱共享之前,提前对可能的空闲频段进行预测,有降低能量损耗、减少感知时延等优点。但现有频谱预测技术只能在一个固定的地点进行频谱预测,不适用于飞行速度高、频谱环境变化快的无人机通信。无人机由于飞行速度高的特点导致在飞行过程中无法及时获取感知数据进行频谱预测。为解决感知数据缺失的问题,本文在传统的隐马尔可夫模型（Hidden Markov Moddles,HMM）频谱预测技术基础上,分析无人机通信中频谱环境变化规律,引入数学中同伦论的概念,建立同伦变换来估计频谱感知数据,从而解决无人机频谱预测时缺乏先验信息的问题。本文提出一种新的频谱预测方法,该方法可在无人机飞行通信中,预测指定地点的频谱状态。同时,本文针对新方法的缺陷进行改进,使无人机在飞行通信中,有更好的预测效果。论文具体研究内容如下:1.无人机无线通信频谱预测技术现有频谱预测技术只能在固定的位置进行频谱预测,无法适用于飞行中的无人机。针对该缺点,在HMM频谱预测技术的基础上,结合无人机飞行通信的背景,引入同伦论的概念和公式,推导得到预测地点的HMM参数,再根据HMM参数估计频谱状态。新的预测技术可以预测“下一时刻,下一位置”的频谱状态,适用于无人机飞行通信。2.无人机通信在线频谱预测技术上述无人机通信频谱预测技术有其缺陷,例如:在某些地点预测效果不够好、适用的场景有限等。为解决以上问题,论文对上述方法进行改进,提出在线频谱预测算法。通过不断更新先验信息,使用最新的数据进行频谱预测,得到更好的预测效果,且改进后的技术具有更普遍的应用场景。3.实测数据实验为了验证上述两种预测技术,论文使用实际测量的航空波段数据进行算法仿真实验。通过将不同算法对参数估计的准确性以及算法整体预测准确率的对比,验证无人机飞行通信算法的有效性,且在线频谱预测算法具有更好的预测效果。本论文首先提出了一种无人机通信频谱预测技术,并对其进行改进,提出无人机通信在线频谱预测技术,最后使用实测数据对两种算法进行效果验证。实验结果表明,论文提出的两种频谱预测技术都具有较高的预测准确率,适用于无人机飞行通信,且改进型的算法具有更好的预测效果。