随着移动终端设备不断增长,无线通信业务对频谱资源的需求在持续扩大,导致全球范围内逐渐出现频谱接入拥塞的情况。同时,据美国联邦通信委员会显示,3GHz以下频段的利用率在15%-85%之间且呈现参差不齐的现象。高效灵活的频谱接入是解决“频谱接入拥塞”和“频谱利用率低”等问题的关键技术之一。为此,本文将研究无线通信网络中的频谱接入技术,其中包括移动通信网络下的随机接入过程和认知无线电网络下的动态频谱接入。本文首先针对“频谱接入拥塞”现象,研究移动通信网络下的随机接入过程优化问题。随机接入过程是用户设备向小区基站发起频谱接入的第一步,用户设备通过随机接入过程实现上行同步及获取物理上行信道。在流量密集的情况下,随机接入信道（RACH）由于前导序列冲突容易出现拥塞现象。为了解决这种RACH拥塞现象,本文在现有随机接入方法上提出了一种新的基于实时接入强度检测的随机接入（RAID-RA）机制。该机制包含检测和调解两阶段过程:竞争用户在检测阶段可以实时感知当前时隙的随机接入强度,并在调解阶段按前导序列干扰功率计算回避概率。仿真结果表明:相比于现有随机接入机制,RAID-RA机制在不同随机接入流量和不同用户分布情况下都有着10%-50%的随机接入吞吐量增益,同时在随机接入成功率、尝试次数和时延上也获得一定的性能提升。另外,为了满足不同随机接入流量的差异化性能要求,本文在RAID-RA基础上提出了区分优先级的PARAID-RA机制,该机制通过功率攀升策略和回避概率分化实现差异化的随机接入服务性能。仿真结果表明:随机接入流量密集的情况下,PARAID-RA机制在不影响其它随机接入类型的性能下能保证高优先级随机接入类型的成功率和时延。本文接着针对“频谱利用率低”现象,研究认知无线电网络下的动态频谱接入决策问题。在认知无线电网络中,次级用户通过动态感知和利用空闲子信道以提高授权频谱的使用率,多信道多用户的动态频谱接入可以被建模为部分可观测随机对策问题。为了解决该部分可观测随机对策问题,本文借助深度强化学习知识,提出了基于深度Q网络的非协作动态频谱接入（DQN-NCDSA）算法和基于深度Q网络的协作动态频谱接入（DQN-CDSA）算法。在非零和博弈的动态频谱感知场景下,仿真结果表明:相比于随机策略和贪婪策略,所提出的两种算法在空闲信道检测率和发现率上均表现出不同程度增益。DQN-CDSA算法由于考虑到相邻次级用户的感知信息交换,在空闲信道检测率上要优于DQN-NCDSA算法。另一方面,在零和博弈的动态频谱利用场景下,我们考虑了个体奖励最大化和网络奖励最大化两种不同的奖励设计准则,仿真结果表明基于个体奖励最大化的奖励准则表现更优异。同时,仿真结果亦表明,相比于随机策略和贪婪策略,所提出的两种算法在信道容量和空闲信道利用率上均有25%性能提升。