当今世界通信科学技术飞速发展，通信频谱资源越发珍贵，认知无线电技术(CR)的出现极大地提高了频谱的利用效率，它可以监控其他用户占用频谱的情况，通过分析和判断监控到的信息，找出未被占用的频谱进行网络通信，使系统达到最优的频谱利用效率。目前除了稀缺的频谱资源外，用户之间的干扰是限制系统容量提升的又一大问题，干扰对齐(IA)技术在消除干扰方面有着出色的表现，其主要原理是将来自非目标发射机的信号对齐到同一个与期望信号正交的子空间内，然后在接收端消除。IA 技术作为一种有效的干扰控制手段被应用于网络通信的实际当中。然而，在实际的信道中系统的信干噪比会降低，功率分配为进一步提高系统性能提供了潜在的可行性。本论文主要针对基于干扰对齐的认知无线网络的功率分配问题进行了相关研究，通过给各用户合理的分配功率，来提升系统的通信质量。论文主要创新点和工作内容如下：
　　1、针对传统的基于天线选择的干扰对齐算法计算复杂度过高的情况，提出一种低复杂度的基于天线选择的部分迭代干扰对齐算法。本算法采用交叉选取矩阵和减少迭代次数的方式，使该算法能够使系统在传输速率稍许降低的情况下减少计算复杂度。并且在此基础上利用功率分配为系统中的用户进行动态功率分配，使系统的传输速率进一步提高，最后的仿真结果表明：该算法在系统的传输速率有略微的减少的情况下可以大幅度减少算法的计算复杂度。
　　2、为了优化PIA-SU算法中SU的传输速率，提出了基于PIA-SU算法的认知无线网络的功率分配。在本算法中，将功率分配问题分为三种情况：在系统总功率无法达到主用户(PU)最小速率阈值时，将所有功率分配给 PU；系统总功率满足 PU 的需求但是无法满足所有用户的总阈值时，首先给PU分配功率使速率其达到阈值，剩余的功率在考虑SU之间的公平性的基础上通过注水定理分配给SU以获得最大的传输速率；系统总功率能够达到所有的用户的阈值时，首先给所有的用户分配等于自身阈值的功率，将剩余的功率分配给SU，使SU之间的速率方差最小。仿真结果表明：该算法在对比未考虑公平性的功率分配系统总的传输速率若有下降的情况下降低了SU传输速率的方差。
　　3、为避免凸优化方案对所求问题要求严格的缺点，提出了基于人工鱼群算法的功率分配算法。该算法给出一种联合传输速率和中断概率的功率阈值，该阈值在一定程度上提高了对 PU 通信质量的保护程度；并在此阈值的基础上利用人工鱼群算法合理的分配功率，首先给PU分配功率，在保证PU能够达到最小功率阈值的前提下，使SU的平均中断概率最小。仿真结果表明：SU的平均中断概率相比于平均功率分配确实有所的下降。