随着无线通信技术在人们日常生活中的广泛应用，频谱资源匮乏问题日益严重。研究表明，目前的固定频谱分配制度导致频谱资源平均利用率低下，且极不均衡。有限的可用频谱和低的频谱资源利用率决定了急需一种新的通信方式。认知无线电技术在这样的背景下应运而生，它能够主动检测频谱使用情况，自适应的改变自身通信参数，择机的选择主用户暂不使用的频段进行通信，具有灵活、频谱利用率高等优点。认知无线电的出现为解决频谱资源不足、实现频谱动态管理及提高频谱利用率开创了崭新的局面。　　 但是，对频谱的灵活应用要求认知无线电系统能够准确的检测并动态的分配可用频谱资源，其间还要为主用户的出现实现退避和切换功能。因此，通过有效的频谱分配和调度实现频谱共享是认知无线电无线资源管理中的核心问题之一。认知无线电频谱分配和调度技术的主要目的是通过感知主用户的存在，提出自适应的策略，充分利用空闲频谱而不干扰主用户，从而极大的提高频谱利用率。本文在频谱感知的基础之上，紧紧围绕频谱分配共享技术展开讨论，首先从非合作博弈的角度提出频谱分配的新算法，其次着重考虑主用户的随机到达导致频谱空穴的时变特性，提出了机会频谱调度的新算法。　　 本文主要包含以下内容：　　 第一，研究了认知无线电与基于认知无线电的频谱分配共享技术的研究现状和发展情况。深入研究了频谱分配调度中的关键技术，重点分析了实现频谱分配调度的理论基础、研究方法和国内外研究进展。　　 第二，研究了非合作博弈中基于囚徒困境和重复囚徒困境模型的频谱分配问题。在高斯干扰信道中，多个认知用户共存并相互干扰，认知用户间的频谱分配问题可以通过建立囚徒困境模型来分析。在囚徒困境模型中，自私理性的认知用户贪婪地扩展自身所占频谱空间，并通过频分复用或迭代注水等方式实现最大化自身速率，最终导致了纳什均衡。本文在介绍基于进化策略的重复博弈模型实现高斯干扰信道中优化的频谱分配的基础上，提出基于Q-learning的进化博弈决策算法，并通过仿真验证了Q-learning算法相比现有的进化策略在解决囚徒困境问题时的有效性和优越性，进而说明了在重复囚徒困境博弈模型中，利用Q-learning算法可以使认知用户从竞争走向合作，得到全局优化的频谱分配性能。　　 第三，研究了分布式环境中认知用户通过机会调度实现频谱共享的问题。考虑到主用户的随机到达和信道的时变衰落同时影响感知频谱的可用性，本文提出公平有效且最小化干扰的调度机制，采用离散随机逼近算法解决传输模式选择的优化问题，即传输用户子集选择和信道分配问题，从而充分利用空、时、频域资源实现频谱共享。仿真结果显示了几种调度机制下算法优化的逼近性能，并在速率、公平性和干扰等方面得到满意的折衷。　　 最后是全文的总结，并指出有待进一步研究的方向。