无线资源管理是认知无线网络中一项重要的关键技术,已成为当前研究的热点；本文选题来源于国家自然科学基金及国际合作等项目,具有重要的理论意义及广阔的应用前景。本文在深入分析研究认知无线网络及OFDM技术基本原理的基础上,完成了以下具有创新性的研究成果：本文通过建立加权二部图匹配的频谱分配模型,并且基于外部及内部改进的Kuhn-Munkre算法,分别提出了一种最优化的频谱分配算法的和一种次优化的频谱分配算法；可以保证接入的公平性和频谱利用的高效性,并给出了这两种算法的复杂度分析和性能综合对比的仿真结果。针对基于OFDM技术的认知无线网络,本文分别提出了一种基于数值分析的算法和一种基于注水原理的算法,来实现单个认知用户各个子载波上的功率分配,并根据这两种算法提出了一种次优的比特分配算法；此外,还提出了一种基于注水原理的算法来实现多个认知用户各子载波上的功率分配。本文采用的是受约束的最优化方法以使得认知无线网络吞吐量最大化；即基于对认知用户发射功率的约束,简化功率分配的模型,使得认知用户的子载波与主用户的子载波相互错开,或者使得认知用户对主用户的干扰低于某一门限值。针对拥有密集节点的认知无线网络,本文提出了一种分布式的二进制功率分配方案,并进一步得到了主用户和认知用户之间位置分布的相互约束关系：即主用户和认知用户发送端之间的距离约束,以及在主用户接收端可被检测的情况下,主用户接收端和认知用户发送端之间的距离约束；如果能够分别满足这两个约束条件,就可以兼顾主用户和认知用户的系统容量。针对具有相同或不同合作率的合作认知无线网络中感知时间和功率的联合分配问题,本文提出了一种基于序列优化的联合分配算法,以求在对主用户无干扰的条件下认知无线网络吞吐量的最大化；理论分析和仿真结果表明了本文算法的可行性。论文最后对全文进行了总结,并对认知无线电技术的发展方向及今后的工作进行了展望。