认知无线电为解决当前频谱资源日益紧张问题提供了一种可行的思路。与传统无线网络不同的是，认知无线电网络采用动态频谱分配策略，通过感知授权频段的使用情况，动态地共享授权频段，从而提高频谱资源的利用率。认知无线电网络无线资源管理的最大挑战在于，最大化认知无线电网络吞吐量的同时，确保不对授权用户造成显著干扰。　　 本文的主要研究内容是认知无线电网络中的资源分配问题。认知无线电网络中的资源，包括时间、频率、空间和功率等。如何对这些资源进行联合优化，最大化频谱效率的同时保证授权用户的通信质量，是本文算法设计的重点。本文首先简要地介绍了认知无线电的相关研究背景和研究现状，并简要分析了认知无线电的频谱特性、频谱共享模型和干扰模型。　　 接着，针对授权网络信息对认知无线电网络的不可见性，论文讨论分析了两种授权用户定位技术，即基于检测概率的授权用户定位算法和基于接收信号强度的授权用户定位算法。这两个算法的共同点在于都是利用多认知用户协作感知实现对授权用户位置和功率的估计。不同之处在于，前者利用认知用户对授权用户的检测概率构造估计问题，并设计了迭代定位算法；后者则是利用认知用户的接收信号强度，提出了约束加权优化法实现对授权用户位置和功率的估计。数学分析和仿真结果表明，这两种算法能够很好地定位授权用户。　　 然后，结合定位技术和功率控制技术，并考虑时间、频率和空间三个维度的约束，将认知无线电蜂窝网络的下行资源分配问题建模为混合整型非线性规划(MINLP)问题，并提出了一种基于对偶分解法的资源分配策略。仿真结果表明，文中提出的资源分配策略能够充分利用时间分集、频率分集和空间分集，在最大化认知无线电蜂窝网络吞吐量的同时，大大降低了对授权用户的干扰。此外，结合定位技术的资源分配算法，能够带来认知无线电网络吞吐量性能的进一步提升，且不对授权用户造成显著干扰。论文在最后对全文做了总结和对以后的工作方向进行了展望。