伴随着无线通信技术的快速发展,频谱资源日益紧缺。现行频谱固定分配政策的低利用率和无线频谱资源紧缺的矛盾愈发凸显。如何从认知无线电频谱感知获取的海量数据中发现并智能地利用频谱空洞成为一个关键性的研究课题。本文运用数据挖掘技术对频谱感知数据进行分析,为认知无线电用户提供信道使用规律等图谱信息,使得认知用户可以智能高效地进行动态频谱接入。本文的主要工作和创新点如下：1.提出了一种基于频谱感知数据挖掘的认知无线电通信系统。该新系统引入了控制中心的数据挖掘模块,以完成对频谱感知数据进行信息挖掘的功能,从而高效智能地为认知用户提供信道接入信息。2.设计了一种基于信道可用性硬判决结果的使用模式挖掘方案。频谱动态接入倾向于选择干扰较低的信道,对此本文设计了对频谱感知数据硬判决后的0-1序列进行模式挖掘的方案。提出了一种基于滑动窗口近似熵的时间序列分段算法,该算法能够发现信道使用模式发生变化的时刻,再对各个分段所对应时间序列的信道使用模式进行参数分析。并以电视广播认知无线电通信系统为例进行了仿真,验证了算法的优越性。3.提出了一种基于聚类预处理的支持向量机相关性预测算法。传统的预测算法是基于整个系统遵循一种函数模型,然而频谱感知数据中可能存在多种系统信号和不同的使用规律,由此本文提出一种基于聚类的解决方案,来解决各个子系统模式不一致问题。并且改进了验证样本集的选取问题。负荷数据和频谱感知用户接入数目的时序预测结果表明,当对训练数据使用多类别模型以及验证样本集的选取具有相关性时,算法具有更好的预测精度。本文通过对频谱感知数据挖掘技术进行研究,为认知用户动态频谱接入进行基于数据挖掘结果的频谱推荐,具有理论和应用的双重价值。