认知无线电网络中,认知用户以机会的方式接入,接入的随机性及信道质量的时变性,使得可用信道资源变化得非常剧烈。多媒体数据传输时大带宽、低时延的要求加剧了网络变化。为了提高接收端视频质量,通信系统需要动态地估计信道质量。频谱预测作为认知无线电中一项关键技术,可以通过对频谱感知获得的信道历史状态信息进行分析,预测频谱的可用性,优化感知顺序,为重要数据分配更可靠的信道。现有的基于可变长马尔可夫模型的频谱预测算法(PST、LZ78、PPM、CTW)都是基于完美信道感知,在感知结果存在误差的场景下,预测性能显著恶化。针对这个问题,本文利用多个认知用户协作感知来提高感知精度,提出了一种新的协作概率后缀树预测算法,消除了感知误差对预测性能的影响。传统的分层多媒体信道匹配策略通常只考虑感知传输时间比,却忽略了信道噪声、空闲概率等因素对信道质量的影响,对于复杂的认知无线信道缺乏适应性。本文结合预测结果和信道噪声重新定义了丢包率以衡量信道质量,进而提出多媒体传输的分层匹配方案。该方案在传输调度时考虑了分层数据包的优先级和信道可靠性,将图像组(Group of Pictures,GoP)中越重要的层匹配到越可靠的信道上传输,使分层的视频流更好地在时变且可靠性不同的认知无线信道上传输。通过仿真,验证了协作概率后缀树预测算法的准确性,同时验证了基于信道质量预测的多媒体分层匹配策略的有效性。