随着通信技术的发展,频谱资源日益紧张,认知无线电技术是一种提高频谱利用效率的有效方法。认知无线电的频谱感知技术和频谱共享技术已经得到了很深入的研究,未来的应用必将影响通信技术的发展。协同通信技术能大大提高通信系统的覆盖范围,改善通信质量。将协同通信技术引入认知无线电网络是一种崭新的研究思路,两者的结合会进一步提升频谱使用效率,势必带来频谱资源管理的新问题和新方法。本文以协同认知无线电网络(Cooperative Cognitive Radio Networks, C-CRN)为背景,研究了基于协同通信技术的频谱租借和认知无线频谱资源分配算法。论文主要研究工作如下：首先,在单主用户单认知用户1 C-CRN中,基于传统解码转发(DF)协同传输策略构建了2种新的认知协同中继模型；其中,认知用户的目标是最大化自身传输速率,同时不影响主用户的服务质量(Quality of Service,QoS),即保证主用户的传输速率。该模型引入了主用户和认知用户之间的协作,其中认知用户发射机可以作为主用户的中继节点,帮助主用户转发数据,作为回报,认知用户可以获得主用户频谱的使用权。论文详细推导给出了主用户和认知用户的协同条件,给出了最佳频谱资源分配算法,并通过仿真,比较了两种模型的性能。同时,在单主用户多认知用户C-CRN中,提出了一种基于DF策略的3段时隙划分的多中继择机协同协议,多个认知用户竞争接入主用户的授权信道,论文分析了认知系统的中断性能,并提出了一种能最大化认知用户传输速率的最佳中继选择策略。其次,针对频谱拍卖市场,开展协同频谱租借(Cooperative Spectrum Leasing,CSL)研究。论文在考虑实际通信系统中,主用户具有自私性,认知用户需要向主用户付出一定的代价,才可能获取频谱使用权。论文首先建立了单个主用户和单个认知用户之间频谱租借和协同通信模型,提出了一种协同频谱租借算法。采用Stackelberg博弈,经过详细推导,给出了最优频谱租借定价和最佳资源分配算法。进而,论文研究了多主用户多认知用户C-CRN中的频谱租借和资源分配问题,将复杂的资源分配最优化问题分解为两个耦合的子问题,依据单主用户和单认知用户的研究成果,采用匈牙利算法(Hungarian Method)解决了最佳中继选择和最优频谱租借问题。该模型能有效的保证主用户的通信质量,并且给主用户带来巨大收益,同时认知用户也获得了频谱使用机会。再者,针对单主用户多认知用户C-CRN,论文提出了一种基于空时码的协同中继认知传输模型,分别给出了主用户和认知用户的效能函数,主用户的效能主要来自自身能量节省以及租借给认知用户频谱获得的收益；而认知用户的效能与自身的传输速率成正比。在保证主用户数据率条件下,考虑认知用户的公平性,分配给认知用户的频谱与认知用户协助主用户转发数据时的贡献相关。然后,通过Stackelberg博弈论对该传输模型进行了分析,证明了其存在唯一的纳什均衡,给出了认知用户的支付报酬策略。以最大化主用户效能为目标,提出了一个次优的低复杂度协同中继选择策略,通过仿真证明了该策略的可行性与有效性。最后,论文针对多主用户多认知用户的基于OFDM的C-CRN中的两类资源分配问题进行了深入研究：认知用户之间存在协作时的C-CRN的资源分配,以及主用户和认知用户之间存在协作时的C-CRN资源分配。资源分配主要围绕子载波分配,中继选择和功率控制展开。针对第一种C-CRN,论文先提出了一种基于AF的双向中继策略,以最大化认知用户发射对的总的传输速率为目标,同时不对主用户造成过度干扰,推导给出了一种次优的功率调整和子载波分配算法。然后,研究了在一个一般化的多用户共存的OFDM系统中的资源分配问题,认知用户采用协同中继策略接入主用户的频谱资源而不对主用户造成过多的干扰。通过将主用户对认知用户产生的干扰当做背景噪声,将3节点的解码转发协同模型转换为一个2节点的直传链路,并得到源到目的等效信道增益。在得到等效信道增益后,由此可知系统中每增加1比特数据速率需要的功率消耗,以及会对接入信道的特定主用户的产生的干扰,考虑主用户的干扰门限和系统的总功率消耗,定义了效率空间去表征认知用户之间信道条件的优劣,并将子载波分配给具有最好信道条件的认知用户。据此,在保证对主用户的干扰不超过其干扰门限值的前提下,为了最大化认知用户网络的传输速率,文中提出了一种低复杂度的联合中继选择和子载波分配,以及功率分配算法。仿真结果表明,提出的算法相对于纯协同算法、最小功率算法和最小干扰算法具有明显的性能优势。针对第二种C-CRN,论文构建了多用户OFDM系统中一种新的主用户和认知用户协作模型,认知用户在保证主用户QoS的情况下,作为主用户的中继节点,帮助主用户转发数据,作为回报,认知用户可以在时间和频率空间上接入主用户的频谱。认知用户在整个协同通信过程中,并不会影响主用户的信息传输,并且主用户网络不需要针对认知网络做出发射功率和子载波分配上的调整,即该算法对主用户网络本身的构架运行影响很小。文章分析推导了认知用户速率最优化问题,将其分解为功率分配和中继选择两个子问题,并分别采用迭代注水算法和匈牙利算法求解。仿真结果表明,文中提出的算法不仅能够最大化认知用户的速率,而且可以在保证主用户传输速率的情况下,减少主用户的能量消耗,为主用户和认知用户同时带来性能上的提升。