认知无线电技术是缓解当前频谱资源紧缺问题的一项关键技术。在认知无线电系统中,认知用户可以通过对周围频谱环境进行感知获得可用频谱资源,并在不影响主用户正常通信的前提下,接入空闲频谱,从而提高频谱利用率。认知无线电中的资源管理与分配特别是功率分配和频谱分配是影响认知无线电系统性能的重要技术,是近几年来研究的热点。论文首先对目前频谱分配和功率分配技术研究情况分别进行了总结。然后针对不同场景下的认知无线电系统的资源分配问题,提出了新的算法。考虑基于OFDMA的认知无线电系统上行资源分配问题,目标是在主用户干扰限制和认知用户传输功率限制条件下最大化认知用户的上行吞吐量。一般来说,联合功率和频谱分配的最优化问题是NP问题。为了在减小计算复杂度的同时使系统具有较好的性能,本文提出了一种基于粒子群算法的联合功率与频谱分配的优化算法。这种算法可以实现在迭代过程中频谱分配策略变化时,功率也是在连续变化的。由于资源分配问题的联合特性,这种算法相比现有的分别进行频谱分配和功率分配的分步求解算法具有更好的性能。另外,本文中还针对这种具体的场景对粒子群算法的位置和速度参数以及迭代过程进行了设计。仿真结果验证了所提出算法的有效性。此外,论文还研究了多用户双向中继认知无线电系统中的中继选择和资源分配问题。与其他中继网络不同,基于双向中继的认知无线电系统中并不存在固定的中继,而是由信道条件好的认知用户充当中继,这就使得中继选择和资源分配尤为重要。本文提出了一种联合中继选择和资源分配的优化算法以最大化整个系统的吞吐量。为了降低联合优化问题的复杂度,算法分为两步进行,首先根据信道状态信息进行中继选择和信道分配,然后利用凸优化的方法和对偶理论分别为直传链路和中继链路进行功率分配。仿真结果表明所提算法可以提高双向中继认知无线电系统的吞吐量。论文最后对全文进行了总结,并对下一步的研究工作进行了展望。