在移动通信网络中,D2D(Device-to-Device)通信代表的是一种新的通信范式,它能促进地理空间位置相近的移动设备间更方便地进行数据信息交换。对于当今紧张而又有限的频谱资源,如何正确而又高效地分配显得尤为重要,认知无线电技术(Cognitive Radio)的优势在于它可以缓解频谱短缺的问题,极大地提高无线频谱利用率。D2D通信与认知无线电技术结合形成认知D2D通信具有很多优点,已成为未来移动通信系统的关键技术。本文主要研究在认知无线电网络中D2D通信的资源优化分配问题,主要研究工作如下:针对认知D2D通信上行链路(Uplink)中蜂窝用户(CUE)和D2D用户(DUE)共享相同频谱资源而带来的复杂干扰问题,本文给出了认知D2D全双工通信中系统传输速率最大化的功率分配方案。首先,本文从改进移动终端的通信方式入手,详细分析了在D2D上行链路通信中基站和D2D用户所受到的干扰,并给出了对应各条链路的传输速率表达式。其次,提出了一种基于认知无线电系统中全双工D2D通信的传输速率最大化的功率分配算法,并通过下边界松弛法和拉格朗日乘法求得当前条件下D2D终端的最优发射功率。进一步,仿真结果分析表明,所提出的方案改善了认知D2D用户的信干噪比(SINR),不仅提高了上行链路的频谱效率而且提升了系统的传输速率。针对认知网络中多个D2D用户在复用多个蜂窝用户的频谱时,终端设备能耗过大容易出现网络通信中断的问题,本文提出了认知网络中基于博弈论的最大化用户能效(Energy Efficiency,EE)的D2D通信资源分配算法。首先,建立了Underlay模式D2D通信博弈模型,D2D用户作为跟随者复用蜂窝用户上行链路的频谱资源,将该资源分配问题模拟为非协作博弈问题。其次,在干扰门限的约束条件下,结合D2D用户和蜂窝用户的能效分别构建了效用函数。进一步,在满足复用干扰不超过某一个阈值的前提下,利用博弈论和拉格朗日对偶方法得到最优的发送功率和链路速率控制方案。最后,模拟仿真显示,该算法能提高用户能效和链路平均能效,改善系统总功耗及系统的容量等性能。