随着人们对网络容量的需求不断膨胀,改善网络结构势在必行,直接促进了蜂窝异构网络的发展。该网络中的资源分配和干扰问题,是系统性能提升的瓶颈。认知无线电技术能够有效提升资源利用率,缓解干扰,成为突破该瓶颈的有效手段。因此,将其纳入到蜂窝网络设计中,构成基于认知的蜂窝异构网络。本文考虑认知微蜂窝感知精度约束及传输性能,分别提出双重优化(Bi-level)算法和博奕优化算法,实现感知和接入的联合优化设计,缓解了干扰问题,提升了全网性能。首先,提出集中式的Bi-level优化算法。通过分析影响感知精度和接入性能的因素,综合考虑频谱感知和接入的相关参数影响,建立评析全网络性能的目标函数。考虑目标函数的非凸性,以及层间／层内干扰的约束条件,采用Bi-level算法,分别固定感知参数和接入参数,构建两层目标的优化问题。分别采用Shapley Value(SV)、惩罚函数算法对每一层目标求解。通过两重目标的可行域分析,设计最优的联合感知和接入方案。本文比较了SV算法、平均分配算法和注水算法下的系统性能,并且分析了感知参数、层内信噪比对于系统性能的影响。仿真实验证明,SV算法不仅考虑信道状况,还考虑载波间的合作等因素,能够高效合理的分配资源,在系统性能上占有优势。其次,提出分布式的博奕优化算法。将微基站看作博弈成员,假设成员独立自私,仅考虑自身感知和接入行为之间的博弈。微基站间采用非协作感知模式,对吞吐量、感知耗能和有效传输时间等有不同的效用评估,获取最优联合感知和接入方案。效用函数的非凸性、成员的个人约束条件以及为了避免恶性竞争而引入的价格机制,使博弈模型变得复杂。本文为简化问题,首先固定感知参数,采用迭代注水算法对功率进行分配,然后根据功率确定信道分配,最后比较多组感知参数下的系统性能,选择最优的参数设置。本文通过分析系统性能,对迭代注水算法和平均值算法性能进行了分析比较,验证了前者可以实现合理有效的功率分配,减少计.算复杂度,有效提升系统性能。