近年来无线通信与无人机制造技术发展迅速,无人机的数量已非常庞大,无线电频谱又是一种有限的自然资源,这使得频谱资源紧缺问题越来越严重。认知无线电借助频谱共享技术可以提高频谱资源利用率,频谱共享需要提前对频谱空穴进行预测,从而降低频谱感知阶段的能量消耗,然而现有的频谱空闲状态时长预测技术都只能对已有频谱先验信息的固定地点进行预测,而无人机是快速移动的,因此并不适用于无人机。针对此问题,本论文基于传统的非平稳隐马尔科夫模型,结合同伦理论,提出了一种新的频谱空闲状态时长预测方法,实现在无人机飞行过程中,对飞行路径上缺乏先验信息地点的频谱空闲状态时长预测功能。同时,本论文还分析所提出方法的缺陷,对该方法进一步改进。本论文首先提出了无人机通信频谱空闲状态时长预测方法,由于现有的频谱空闲状态时长预测技术都只针对固定的地点,无法应用到地理位置不断发生变化的无人机通信场景。针对该问题,本文基于非平稳隐马尔科夫模型和无人机飞行通信时长预测场景,结合同伦理论,推导缺乏频谱先验信息地点的非平稳隐马尔科夫模型参数,再根据上述参数预测该地点的频谱空闲状态时长,从而达到预测无人机下一位置的频谱空闲状态时长的目的,指导无人机的飞行通信。本论文随后针对上述无人机通信频谱空闲状态时长预测方法的缺陷,还提出了基于频谱占用率的改进预测算法,该算法通过使用长短期记忆网络对下一地点的频谱占用率进行预测,并使用该地点的频谱占用率对预测的空闲状态时长进行校正,提高了预测准确率,使改进后的技术有更广的应用场景。最后,为了验证本论文所提出的预测技术的有效性,本论文还分别使用仿真数据与实测的民用航空波段频谱数据对上述两种方法进行实验,通过对比不同方法对参数预测结果以及整体预测有效率,验证所提出的两种频谱空闲状态时长预测技术的有效性。