现代无线通信技术的快速发展,尤其是无线多媒体技术应用的增加,使无线频谱成为越来越紧缺的资源。然而,研究表明频谱资源的欠缺更多的是由于现有的固定频谱管理策略效率的低下而造成的。为此学术界提出了一种基于认知无线电技术的智能通信系统。如何让认知无线电系统利用人工智能技术从环境中学习,并进行高效的动态频谱分配(Dynamic Spectrum Assignment,DSA),从而实现复杂通信系统中满足用户需求的灵活可靠通信以及频谱资源有效利用,已成为未来无线通信系统的研究热点,也是本文研究的出发点。本论文重点研究了基于认知无线电的动态频谱分配技术。首先全面地介绍了认知无线电技术,接着介绍了认知无线电频谱分配技术的几种重要的分配模型。针对现有频谱分配方法未涉及动态频谱分配的自主性问题,不能满足复杂异构无线网络环境的要求,论文提出了一种新的基于强化学习的集中式动态频谱分配策略,仿真结果表明,该策略能获得更好的频谱利用率和服务质量,性能优于确定频谱分配及一般的动态频谱分配策略;针对集中式动态频谱分配在通信带宽及运算复杂度方面存在的瓶颈,论文提出了两个改进的基于强化学习的分布式频谱分配策略,并将其应用在异构组播通信中,通过仿真分析验证了所提算法的有效性。