无线通信技术的日新月异,使得无线频谱资源成为一种日益稀缺的宝贵资源。但研究表明,无线频谱资源的稀缺只是相对的稀缺,在有限的频谱资源被大量无线业务划分殆尽的同时,许多频段的频谱资源利用率却严重不足。认知无线电系统通过具有认知能力的终端设备感知外界环境,寻找可“二次利用”的频谱资源,并实时改变包括传输功率、载波频率和调制技术等在内的操作参数,在不影响授权用户正常通信的前提下实现对频谱资源的择机利用。因此如何实现频谱资源在认知用户间的高效公平分配这一频谱分配策略问题是认知无线电的一大研究热点。本文首先对认知无线电技术的概况、现有的认知无线电系统频谱共享模型以及频谱分配过程中应遵循的基本原则等内容进行了简要阐述。在此基础上,论文重点提出了一个包括吞吐量、传输功率和感知贡献量三个要素在内的用户满意度函数,并以此为效用函数,通过用户和信道间的匹配博弈实现认知无线电系统中的频谱功率联合管理。其次,论文针对基于静态匹配博弈的认知无线电频谱分配算法,只是在每个时隙内静态的分配频谱,对信道和用户的时变特性考虑不足这一问题,提出一种基于POMDP强化学习模型的匹配分配算法。具备机器学习能力的各认知用户通过对历史信息的观察统计,不断调整自身匹配策略,实现系统收益的最大化。仿真结果表明,算法可明显改善匹配算法的频谱分配性能。