连续时间上的随机过程要满足Markov性，则状态转移的时间分布必须是一个指数分布，在工程实际应用中，我们往往也会遇到不满足Markov性但是跟Markov过程相似的随机过程，这样就需要我们进一步放宽Markov过程的应用条件，扩大Markov过程的应用范围。在认知无线电当中，次级用户即认知用户在授权用户即主用户不占用频谱时可以伺机寻找空闲频谱使用，当授权用户需要使用此空闲频谱时，认知用户再退出该频谱。在此过程中，认知用户可以退避到系统队列中进行等待，寻找另外可用的空闲频谱继续传输。本文通过比较基于指数退避的动态频谱接入的数学模型和基于常数退避的动态频谱接入的数学模型的实验仿真，发现后者的QoS指标更好，但是基于常数退避的动态频谱接入过程不能用传统的Markov过程来描述，在现有的理论范围内，我们没有办法计算其稳态概率，因而也无法从理论上去求得其掉线率和通话率。我们用一个新的随机过程——混合Markov过程来描述上述退避过程。通过对混合Markov过程的研究，我们给出了混合Markov过程的第一类表示及其计算方法，并且由常数时间T内稳态变化与速率的关系式我们发现了混合Markov过程不同于连续Markov过程的一些特性，从而解释了基于常数退避的动态频谱接入模型和基于指数退避的动态频谱接入模型在QoS指标上差异的原因。然后我们介绍了混合马尔可夫过程的第二种表示方法。多个相同期望的指数分布的累加构成伽马分布，而我们发现当控制总期望T不变时，累加的指数分布越多，最终变成德尔塔分布，这样认知用户在队伍中呆的时间就变成了一个常数。这个发现使得我们可以把常数退避的过程切割成很多个小的Possion过程，从而以这个为基础，去构建一个连续Markov过程，于是任意一个混合Markov过程，都可以找到一列连续Markov过程去逼近它。作为Markov过程的衍生类的一种，混合Markov过程的研究无论在数学理论上还是在工程应用上都有重要意义。