移动通信的高速发展以及物联网设备的爆炸性增长导致了严重的频谱短缺问题,同时由于增强现实、智能家居、智能交通、智慧城市等需要高传输速率的新兴网络结构的涌现,移动用户的通信服务质量越来越得不到满足。认知无人机（Unmanned Aerial Vehicle,UAV）网络可以通过频谱共享方式提高频谱效率,同时可以利用无人机可控的机动性和飞行灵活性方面的优势,提升用户信息的传输速率。然而,由于无线通信的固有广播特性以及无人机与地面用户之间的强可视链路,无人机发送的机密信息更容易被窃听者窃听,认知无人机网络的安全通信受到严重挑战。因此,针对频谱稀缺、信息传输速率不够高效以及移动用户的安全通信受到挑战等问题,重点研究干扰协作下认知无人机网络的资源分配技术,建立了最大化次级用户平均保密率的优化问题框架,设计了联合优化无人机轨迹和发射功率的优化策略,从而实现提升新兴网络频谱利用率、信息高传输速率及安全通信的目的。具体研究成果如下。一、干扰协作下认知无人机网络的资源分配与轨迹优化针对频谱稀缺、信息传输速率不够高效以及移动用户的安全通信受到挑战等问题,研究了干扰协作下认知无人机网络的系统模型,建立了次级用户的平均保密率最大化问题框架。利用基于交替优化方法和凸逼近（successive convex approximation,SCA）方法的次优迭代算法,设计了联合优化无人机轨迹和发射功率的资源分配策略,最大程度地提高次级用户的平均保密率。仿真结果表明,通过共同优化无人机的轨迹和发射功率,该方案可以有效地保证次级用户的安全通信,同时与基准方案相比,设计的联合优化无人机轨迹和发射功率的资源分配策略可以更好的提升系统的安全性能。二、干扰协作下认知无人机网络的资源鲁棒分配与轨迹稳健优化针对干扰协作下认知无人机网络中窃听用户和主用户位置信息并不能准确获取的实际情况,研究了有界位置估计误差模型下的资源优化问题,建立了最差情况下次级用户的平均保密率最大化问题框架。利用鲁棒凸优化理论,提出了联合优化无人机鲁棒轨迹和发射功率的资源分配策略,最大程度稳健地提升了次级用户的平均保密率。仿真结果表明,通过联合优化无人机的鲁棒轨迹和发射功率,该方案可以在最差情况下有效地保证次级用户安全通信,同时与基准方案相比,提出的联合优化无人机鲁棒轨迹和发射功率的资源分配策略可以更好的提升系统的安全性能。