多样化、无处不在的通信需求和智能互联设备的大量增加,不仅加剧了可用频谱资源短缺的危机,还引发了巨大的能源需求问题和环境污染问题。能量效率也因此逐渐成为衡量无线通信性能的一个重要指标。大规模MIMO认知无线电系统集成了认知技术和大规模MIMO技术在频谱效率和能量效率上的优势,不仅可以实现对授权频谱空、时、频多维度上的高度复用,还可以充分利用大规模MIMO空间维度上的资源,以此迎合未来爆炸式增长的业务需求并缓解由此带来的各种压力。功率控制技术则被认为是能够充分挖掘大规模MIMO认知系统上述潜力的关键技术之一。因此,如何有效地调整认知用户间的发射功率,在保证主用户通信和认知用户通信正常运行的前提下获得高的系统能量效率,已经成为该系统的研究热点之一。本文从降低发射功率和通过优化用户发射功率最大化能量效率两个角度出发,结合考虑认知用户间的公平性问题以及非完美信道状态下信道估计误差对系统能效性能的影响,对大规模MIMO认知系统下的功率优化算法展开了系统的研究。主要研究内容和创新成果描述如下:1.为了降低认知用户的发射功率消耗,提出了一种基于非合作博弈的带有自适应功率阈值机制的功率控制算法。考虑到大规模MIMO技术在空间复用增益和降低发射功率方面的优势,本文首先将大规模MIMO结构引入到认知无线电系统中,提出了一种新的大规模MIMO认知系统模型;之后将该系统下多用户间的功率控制问题建模成一个非合作博弈问题,并提出了一种基于非合作博弈的功率控制算法,其中为了能够适应快速变化的无线通信环境,创新性地给出了一种根据当前通信状态自适应调整的功率阈值机制来提高算法的收敛速度;最后证明了该博弈过程存在唯一的纳什均衡点且上述算法最终收敛至该点。仿真结果验证了该算法的有效性。2.针对大规模MIMO认知系统中电路能量损耗对系统能量效率产生的负面影响以及系统中遗留的大尺度衰落导致的认知用户间不公平性问题,提出了两种完美信道状态下高能效的功率控制算法,分别用于实现该系统下认知网络能量效率的最大化和保证认知用户在能量效率方面的公平性。为了更准确地定义该系统的能量效率,首先给出了一种更切合实际的能耗模型;之后分别建模了两个非线性微分分式规划问题,即网络能量效率优化问题和公平性能量效率优化问题。由于能量效率的分式结构以及认知用户间的干扰,上述优化问题均为非凸的NP-hard问题,这导致在多项式时间内求解是非常困难的。为此,本文基于分式规划和序贯凸近似,提出了两种高效的交替迭代的功率优化算法。仿真结果验证了上述算法的收敛性和有效性。此外,相比已有算法,所提算法在保证获得相同的网络能量效率的同时能够节约至少一半的基站天线。3.针对非完美信道状态下信道估计误差会严重损害认知用户间公平性和认知网络能量效率的问题,分别提出了一种全局最优的联合功率迭代算法和一种本地最优的联合功率分配算法。1)为了保障认知用户间公平性,首先建模了非完美信道状态下的公平性能效最大化问题。但公平性能量效率的分式结构、由估计误差引起的干扰、认知用户间的干扰以及优化变量之间的高度相关性,使得获得该问题的闭式全局最优解变得十分困难。为此,本文在基于梯度的自适应方法（Gradient-based adaption method）和次梯度方法的基础上,提出了一种基于拉格朗日对偶的功率迭代算法来获得上述问题的全局最优数值解。仿真结果验证了该算法的有效性。2)为了提高认知网络能量效率,建模了非完美信道状态下的网络能效最大化问题。同样地,该问题的非凸性和NP-hard特性导致很难直接求解;并且由于网络能量效率中和速率项的存在,上述全局最优算法并不再适用。为此,本文提出了一种基于序贯凸近似和凹分式规划的本地最优的功率联合分配算法。仿真结果表明,相比已有算法,该算法可以获得最高的认知网络能量效率,并且在不损害通信性能的前提下,能够使系统容纳更多的认知用户。