1.一种基于D-S证据理论的频谱感知准确率提升技术，其特征在于，包括以下步骤：步骤1)，根据认知用户的历史数据，计算每个认知用户的历史可信度值；

步骤2)，根据步骤1)得到的认知用户的历史可信度值，选择历史可信度值高于一定阈值的认知用户作为具有代表性的备选认知用户加入备选集合；

步骤3)，根据步骤2)得到的具有代表性的备选认知用户，根据D-S证据理论，计算备选认知用户间的相互支持度；

步骤4)，根据步骤3)计算得到的相互支持度，根据D-S证据理论，计算这些认知用户的当前可信度；

步骤5)，根据步骤4)计算得到的认知用户的当前可信度，把可信度的值作为这些认知用户的概率密度函数中的权重，得到认知用户调整后的基本概率密度分配函数；

步骤6)，根据步骤5)计算得到认知用户最终的概率密度函数，根据D-S证据决策理论，计算出最终的整体概率密度函数，从而判断出主用户的状态；

所述步骤1)中，根据认知用户的历史数据，计算每个认知用户的可信度值；假设和认知用户的历史数据得出认知用户的可信度定义：Rel＝Pr(H0)Pd+Pr(H1)(1-Pf)，其中Rel表示认知用户的可信度，Pr(H0)代表在假设H0即主用户不占用信道下的先验概率，Pr(H1)代表在假设H1即主用户占用信道下的先验概率，Pd和Pf分别代表探测概率和虚警概率；

所述步骤2)中，根据步骤1)得到的认知用户的历史可信度值，选择可信度值高于一定阈值的认知用户作为具有代表性的备选认知用户加入备选集合；筛选条件为：Rel>λ；其中λ为给定的阈值；

所述步骤3)中，根据步骤2)得到的具有代表性的备选认知用户，根据D-S证据理论，计算备选认知用户间的相互支持度；首先，计算认知用户之间的相似度为：其中mi(B)、mj(B)分别表示

认知用户i、j之间的概率密度函数；Ω＝{H0,H1}代表主用户状态的集合；其次，认知用户i与周边用户j之间的相互支持度为：所述步骤4)中，根据步骤3)计算得到的相互支持度，根据D-S证据理论，计算这些认知用户的当前可信度；利用公式 计算得到认知用户的当前可信度Cre；

所述步骤5)中，根据步骤4)计算得到的认知用户的当前可信度，把可信度的值作为这些认知用户的概率密度函数中的权重，得到调整后的认知用户的基本概率密度分配函数；

计算公式为：m*(H0)＝Cre*m(H0)，m*(H1)＝Cre*m(H1)；其中Cre是可信度的值，m*(H0)和m*(H1)分别为调整后的认知用户的基本概率密度函数；

所述步骤6)中，根据步骤5)计算得到的认知用户最终的概率密度函数，根据D-S证据决策理论，计算出最终的概率密度函数，从而判断出主用户的状态，利用的公式为：其中p代表最终选中的参与频谱感知的

具有代表性的认知用户；当m(H0)>m(H1)代表此时主用户不占用信道，认知用户此时能够使用信道；反之，主用户此时正在使用信道，认知用户此时不能使用信道。