随着无线通信技术的飞速发展,认知无线电技术作为当前缓解无线频谱资源紧张局面的有效方法,已成为通信领域的研究热点。伴随移动网络的扩张,网络能耗随之增加,因此,认知无线电在绿色节能领域开展研究,目的是节约无线网络系统资源和减少设备能源消耗,提高频谱利用率和能量效率,达到绿色节能通信的目标。首先,本文对粒子群算法中惯性权重引入指数函数进行优化,发展了一种改进粒子群(Improve Particle Swarm Optimization,IPSO)算法,该算法收敛速度更快。然后给出了惯性权重收敛性分析。其次,针对分布式频谱共享Underlay模式,在保证主用户正常通信和认知用户基本通信的条件下,导出了功率优化模型与相关约束条件。以认知用户最小化发射功率为目标,改进了一种基于IPSO优化的功率控制算法,通过粒子群算法和惩罚函数理论将优化问题转化成适应度函数。实验结果表明,与粒子群算法和自适应粒子群算法对比,本文的IPSO算法可获得更小的总发射功率,并具有较高的传输速率和全局搜索能力。在此基础上结合能量检测模型,对认知用户的发射功率进行能量限定,进而采用能量检测的功率控制方法,实现最小化发射功率的节能通信。最后,针对信道分配以分布式频谱共享异构双层网络为研究对象,研究了信道非重叠与信道重叠两种情况下的优化模型。在保证主用户正常通信与认知用户基本通信的条件下,导出了功率去耦合信道分配能量效率模型,及其相关约束条件。以认知用户最大化能量效率为目标,在功率与信道去耦合分配基础上,发展了一种改进粒子群和遗传算法(Genetic Algorithm,GA)相结合的信道分配优化,本文简称CH-GAIPSO算法,用以实现最优信道分配策略。在此基础上结合能量检测模型,对认知用户的发射功率进行能量限定,进而采用能量限定的信道分配方法,使认知用户能量效率得到一定提高。仿真研究表明了本文方法的有效性。